論文の概要: Learning by Collaborating in the Age of AI: Research Mentorship for Polymathic, Workflow-Centered Science
- arxiv url: http://arxiv.org/abs/2610.34606v1
- Date: Sun, 25 Oct 2026 22:10:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.644812
- Title: Learning by Collaborating in the Age of AI: Research Mentorship for Polymathic, Workflow-Centered Science
- Title（参考訳）: AI時代のコラボレーションによる学習--多面的・ワークフロー中心の科学研究メンターシップ
- Abstract要約: この章では、学際専門家、研修生、コミュニティパートナーが互いに指導する学際モデルである、全員の裏庭を提案する。
このモデルは、統計的思考、データ倫理、コラボレーション、社会的善と社会のためのAIの4つの能力に焦点を当てている。
- 参考スコア（独自算出の注目度）: 2.1812675955027
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence (AI) is changing how data-driven research is produced. As AI tools make information and technical execution more accessible, mentorship must concentrate on judgment, ethics, and the design of end-to-end AI-augmented workflows. Disciplinary experts need mentoring to adopt AI while preserving their expertise and human agency, and AI-native research trainees need mentoring to become polymathic workflow developers. This chapter proposes Everyone's Backyard, an interdisciplinary model in which disciplinary experts, trainees, and community partners mentor one another in both directions and across disciplines through shared research practice in a convergence studio. The model centers on four capacities: statistical thinking, data ethics, collaboration, and AI for social good and society. We illustrate the model with the Spring 2026 aiX Faculty Fellows Program at Columbia University, which brought together 20 faculty fellows and 15 student interns from 14 schools and departments. Evaluation data show growth in faculty confidence, intern competence, and cross-disciplinary connection.
- Abstract（参考訳）: 人工知能(AI)は、データ駆動リサーチの作り方を変えつつある。
AIツールは情報と技術的な実行をよりアクセスしやすくするので、メンターシップは判断、倫理、エンドツーエンドのAI拡張ワークフローの設計に集中する必要がある。
ディシプリナの専門家は、専門知識とヒューマンエージェンシーを維持しながらAIを採用するためにメンタリングを必要とし、AIネイティブの研究トレーナーは、多面的なワークフロー開発者になるためにメンタリングが必要である。
この章では、学際的専門家、研修生、およびコミュニティパートナーがコンバージェンススタジオで共同研究の実践を通じて、双方の方向性と規律を相互に指導する学際的モデルであるEverys Backyardを提案する。
このモデルは、統計的思考、データ倫理、コラボレーション、社会的善と社会のためのAIの4つの能力に焦点を当てている。
コロンビア大学における2026年春のaiXフェロープログラムでは,14校の教員フェローと15人の学生インターンが集まった。
評価データは,教員の信頼度,インターン能力,学際的つながりの増大を示す。
関連論文リスト
- Atria Dawn: The Dawn of Agentic Superintelligence [237.73474618289063]
本稿では,科学研究と工学のための基礎エージェント言語モデルであるAtria Dawn Previewを紹介する。
本稿では,人間-AI協力の事例研究として,このモデルの背後にある真の研究開発プロセスについて考察する。
論文 参考訳（メタデータ） (2026-09-14T16:22:30Z) - Multi-Tier Mentorship with AI-Assisted Development: Authentic Engineering for K-12 and Undergraduates [0.0]
本稿では,高校生がAIを活用した開発を通じて,認証工学に携わることのできる多層指導フレームワークを提案する。
LuckyTagはプライバシーを保護し、NFCベースのロス・アンド・ファウンドシステムである。
テーマ分析によると、AIはメンタリングの需要に取って代わるのではなく、論理とセキュリティに人間の監督を必要とする。
論文 参考訳（メタデータ） (2026-08-19T18:47:54Z) - AgentDS Technical Report: Benchmarking the Future of Human-AI Collaboration in Domain-Specific Data Science [30.303936447998314]
大規模言語モデル(LLM)と人工知能(AI)エージェントの最近の進歩は、データサイエンスのワークフローを大幅に自動化している。
AIエージェントが、ドメイン固有のデータサイエンスタスクにおいて、人間の専門家のパフォーマンスにどの程度適合できるかは、まだ不明である。
我々は、AIエージェントと人間とAIのコラボレーションのパフォーマンスをドメイン固有のデータサイエンスで評価するために設計されたベンチマークとコンペティションであるAgentDSを紹介する。
論文 参考訳（メタデータ） (2026-03-19T15:11:13Z) - ResearchGPT: Benchmarking and Training LLMs for End-to-End Computer Science Research Workflows [109.34792911044394]
CS-54k(CS-54k)は、コンピュータ科学におけるQ&Aペアの高品質なコーパスである。
CS-4kは、科学研究を支援するAIの能力を評価するためのベンチマークである。
CS-50kは大規模なトレーニングデータセットである。
論文 参考訳（メタデータ） (2025-10-23T07:07:35Z) - AI, Humans, and Data Science: Optimizing Roles Across Workflows and the Workforce [0.0]
我々は、分析、生成、エージェントAIの可能性と限界を考慮し、データサイエンティストを増強したり、伝統的に人間のアナリストや研究者によってなされたタスクを引き受ける。
従来の調査分析が問題になったのは、統計ソフトウェアの使用が簡単になったことで、研究者が完全に理解できなかった分析を行えなくなった時だった。
論文 参考訳（メタデータ） (2025-07-15T17:59:06Z) - The ethical ambiguity of AI data enrichment: Measuring gaps in research
ethics norms and practices [2.28438857884398]
この研究は、AI研究とデータ豊か化のために、同等な研究倫理要件と規範がどのように開発されたか、そしてどの程度まで調査する。
主要なAI会場は、人間のデータ収集のためのプロトコルを確立し始めているが、これらは矛盾なく著者が追従している。
論文 参考訳（メタデータ） (2023-06-01T16:12:55Z) - Why is AI not a Panacea for Data Workers? An Interview Study on Human-AI Collaboration in Data Storytelling [73.14508303965683]
業界と学界の18人のデータワーカーにインタビューして、AIとのコラボレーションの場所と方法を聞いた。
驚いたことに、参加者はAIとのコラボレーションに興奮を見せたが、彼らの多くは反感を表明し、曖昧な理由を指摘した。
論文 参考訳（メタデータ） (2023-04-17T15:30:05Z) - Human-Centered AI for Data Science: A Systematic Approach [48.71756559152512]
HCAI(Human-Centered AI)は、さまざまなヒューマンタスクをサポートするAI技術の設計と実装を目的とした研究活動である。
データサイエンス(DS)に関する一連の研究プロジェクトを使ってHCAIにどのようにアプローチするかをケーススタディとして紹介する。
論文 参考訳（メタデータ） (2021-10-03T21:47:13Z) - How AI Developers Overcome Communication Challenges in a
Multidisciplinary Team: A Case Study [11.633108017016985]
AIアプリケーションの開発は、AI開発者と協力する複数の役割を含む、多分野の取り組みである。
これらのコラボレーションでは、データサイエンスに精通したAI開発者と、通常はそうでない外部ステークホルダの間に知識ミスマッチがあります。
この違いはコミュニケーションのギャップを招き、AI開発者はコラボレータにデータサイエンスの概念を説明することに失敗する。
論文 参考訳（メタデータ） (2021-01-13T19:33:34Z)
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。