論文の概要: The Computational Assessment Stack: An Architecture for AI-Native Measurement

• arxiv url: http://arxiv.org/abs/2610.33901v1
• Date: Sat, 24 Oct 2026 20:20:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.47944
• Title: The Computational Assessment Stack: An Architecture for AI-Native Measurement
• Title（参考訳）: 計算アセスメントスタック:AI-Native Measurementのためのアーキテクチャ
• Abstract要約: 本稿では,AIネイティブ計測のための計算アセスメントスタック(CAS)を提案する。 評価ライフサイクルの各段階は、その基盤層として統一された計算構成表現を共有する。 伝統的にテスト開発において構成を定義するために使われる記述的散文とは異なり、提案されたアーキテクチャは測定可能な仮定を検査可能とし、その結果を経験的に検証可能である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Test development is shifting toward automation and agentic artificial intelligence (AI), in which autonomous systems draft items at scale, assemble test forms, administer adaptive assessments, score complex responses, and monitor test quality. As autonomous systems take on more of this work, the architecture underlying test development must change to preserve assessment quality under the new paradigm. This paper proposes the Computational Assessment Stack (CAS), a four-layer architecture for AI-native measurement where every stage of the assessment lifecycle shares a unifying computational construct representation as its base layer. This representation is a machine-readable, modular, and versioned knowledge graph. Three layers are built above it: computational content generation that builds on the knowledge graph; computational psychometrics that derives substantive structure directly from the knowledge graph; an orchestration layer in which agentic systems operationalize the stack under human governance. The paper's core contribution is architectural. Building on foundational psychometric frameworks, the CAS provides a persistent representation that unifies the four layers. Unlike the descriptive prose traditionally used to define constructs in test development, the proposed architecture renders measurement assumptions inspectable and their consequences empirically testable.
• Abstract（参考訳）: テスト開発は自動化とエージェント人工知能(AI)へとシフトし、自律的なシステムが項目を大規模にドラフトし、テストフォームを組み立て、適応的なアセスメントを管理し、複雑なレスポンスをスコアし、テスト品質を監視する。 自律的なシステムがこの作業をもっと進めるにつれて、テスト開発の基盤となるアーキテクチャは、新しいパラダイムの下で評価品質を維持するために変化しなければなりません。 本稿では、AIネイティブ測定のための4層アーキテクチャである計算アセスメントスタック(CAS)を提案する。 この表現は、機械可読性、モジュール化、バージョン付き知識グラフである。 知識グラフの上に構築された計算コンテンツ生成、知識グラフから直接実体構造を導出する計算心理学、エージェントシステムが人間の管理下でスタックを運用するオーケストレーション層である。 論文の中核となる貢献は建築である。 CASは、基礎的な心理測定フレームワークに基づいて、4つのレイヤを統一する永続的な表現を提供する。 伝統的にテスト開発における構成を定義するために用いられてきた記述的散文とは異なり、提案されたアーキテクチャは測定可能な仮定を検査可能とし、その結果を実証的に検証可能である。

関連論文リスト

• The Context Access Divide: Interaction-Level Architecture as a Complementary Dimension of Agentic Inequality [0.0]
  名目上は同等のAIアクセスを持つ2人のユーザーは、質的に異なるAIユーティリティを経験することができる。 知的資本が数万のファイルにまたがる知識集約型労働者にとって、CAD(Context Access Divide)は、AIの有用性の質的なしきい値を構成する。 我々は、シャープなどのフレームワークを補完するが、再現できないAIによる不平等の次元として文脈性を提案する。
  論文  参考訳（メタデータ） (2026-07-09T13:53:40Z)
• Bridging Requirements and Architecture: Multi-Agent Orchestration with External Knowledge and Hierarchical Memory [37.071260774880884]
  我々は,4つの専門エージェントを編成し,アーキテクチャのブループリントを属性とする知識駆動型フレームワークであるMAAD(Multi-Agent Architecture Design)を提案する。 我々はMAADがベースラインよりも完全でモジュラーでトレーサブルなアーキテクチャを生成することを示し、その専用評価エージェントは構造化された品質評価レポートを自律的に作成する。
  論文  参考訳（メタデータ） (2026-05-31T18:18:31Z)
• Pitfalls in Evaluating Interpretability Agents [91.49742416116635]
  我々は,実験を反復的に設計し,仮説を洗練するエージェントシステムを構築した。 我々の研究は、複雑な自動解釈可能性システムを評価する上での根本的な課題を実証している。
  論文  参考訳（メタデータ） (2026-03-20T16:27:17Z)
• From Accuracy to Impact: The Impact-Driven AI Framework (IDAIF) for Aligning Engineering Architecture with Theory of Change [0.40611352512781873]
  インパクト駆動型AIフレームワーク(IDAIF、Impact-Driven AI Framework)は、変化の理論(ToC)と現代の人工知能システム設計を統合する新しいアーキテクチャ方法論である。 IDAIFは、ToCの5段階モデルと対応するAIアーキテクチャレイヤの体系的なマッピングを確立することで、このギャップに対処する。 3つのケーススタディは、医療、サイバーセキュリティ、ソフトウェアエンジニアリングドメインにまたがるIDAIFアプリケーションを実証している。
  論文  参考訳（メタデータ） (2025-12-09T10:21:02Z)
• AgenticIQA: An Agentic Framework for Adaptive and Interpretable Image Quality Assessment [69.06977852423564]
  画像品質評価(IQA)は、人間の視覚系に根ざした知覚品質の定量化と解釈の両方を反映している。 AgenticIQAは、IQAを歪み検出、歪み解析、ツール選択、ツール実行の4つのサブタスクに分解する。 本稿では,IQAエージェントに適した大規模命令データセットであるAgenticIQA-200Kと,VLMベースのIQAエージェントの計画,実行,要約機能を評価するための最初のベンチマークであるAgenticIQA-Evalを紹介する。
  論文  参考訳（メタデータ） (2025-09-30T09:37:01Z)
• The next question after Turing's question: Introducing the Grow-AI test [51.56484100374058]
  本研究は,GROW-AIと呼ばれる人工知能評価の枠組みを拡張することを目的としている。 GROW-AIは、チューリングテストの自然な後継者である"Can Machine grow up? この作品の独創性は、人間の世界から人工知能への「成長」過程の概念的な変換にある。
  論文  参考訳（メタデータ） (2025-08-22T10:19:42Z)
• KAQG: A Knowledge-Graph-Enhanced RAG for Difficulty-Controlled Question Generation [0.0]
  本研究は知識強化質問生成(KAQG)を紹介する。 項目応答理論(IRT)、ブルームの分類学、知識グラフをマルチエージェント検索拡張生成システムに統合する。 提案手法は, 項目難易度, 心理測定校正, 認知アライメントのきめ細かい制御を可能にすることによって, 既存の手法の限界を克服する。
  論文  参考訳（メタデータ） (2025-05-12T14:42:19Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• CAAI -- A Cognitive Architecture to Introduce Artificial Intelligence in Cyber-Physical Production Systems [1.5701326192371183]
  CAAIは、サイバー物理生産システムにおける人工知能の認知アーキテクチャである。 CAAIの中核は、ユーザの宣言的な目標を処理する認知モジュールである。 パイプラインの性能を評価する性能基準に対する一定の観察と評価を行う。
  論文  参考訳（メタデータ） (2020-02-26T16:27:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。