アブストラクト: ソフトウェア工学の講義では、ドメイン理解やモデリング手法といった支援知識領域に関して、急速な学習（アップスキリング）がしばしば求められます。私たちは、修士課程の2週間のマイルストーンにおける経験を報告します。そこでは29名の学生が、厳選されたコース知識ベースに基づくカスタマイズ済みのChatGPT（GPT-3.5）チューターを用いて、暗号資産とファイナンスの基礎およびドメイン駆動設計（DDD）を学びました。私たちはすべてのやり取りを記録し、プロンプト―回答ペアの無作為抽出の34.5%（60/~174）を、5次元のルーブリック（正確性、関連性、教育的価値、認知負荷、親身さ／支援性）で評価しました。また、事前／事後の自己効力感を収集しました。この設定において回答は一貫して正確かつ関連性が高いものでした。正確性は平均98.9%で、事実誤りはなく、軽微な不正確さは2/60のみでした。また関連性は平均92.2%でした。教育的価値は高く（89.4%）、概ね適切な認知負荷（82.78%）でしたが、支援性は低いものでした（37.78%）。学生は、genAIを用いたドメイン学習およびDDD適用に対して、大きな事前―事後の自己効力感の向上を報告しました。これらの観察から、プロンプト／設定およびコース／ワークフロー設計にまたがる17の具体的な教授実践を抽出しました（例：期待する粒度の設定、冗長さの抑制、ガードレール用の例のキュレーション、単純な品質ルーブリックによる小さなクレジットの付与）。この単一コースの文脈において、結果は、genAIを支援とする学習が、ドメイン理解およびモデリング課題における指導を補完し得ることを示唆しています。一方で、トーンやフォローアップの構造を改善する余地が残されています。
ドメイン理解から設計の準備へ：ソフトウェア工学におけるGenAI支援学習のためのプレイブック
arXiv cs.AI / 2026/4/2
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、2週間の修士課程のコース・マイルストーンを報告しており、29人の学生が、厳選した知識ベースに基づくカスタマイズGPT-3.5チュータを用いて、暗号通貨とファイナンスの基礎およびドメイン駆動設計（DDD）を学んだ。
- 60件のプロンプト–回答ペアを評価したところ、回答は非常に高い正確性（平均98.9%の精度、事実誤りなし。軽微な不正確さは2件のみ）であり、関連性も高い（平均92.2%）。さらに、教育的価値（89.4%）が高く、概ね適切な認知負荷（82.78%）であることが示された。
- コンテンツの質が高いにもかかわらず、研究では「支援性（supportiveness）」が低いこと（37.78%）が見いだされた。つまり、回答が正確で指導的ではあった一方で、会話のトーンやフォローアップの構造が意図したほど有益ではなかった。
- 学生は、GenAI支援によるドメイン学習およびDDD適用について、事前から事後にかけて自己効力感が大きく向上しており、学習への測定可能なインパクトが示唆された。
- 著者らは、GenAI支援のソフトウェア工学教育のための具体的な教授実践17項目を整理する。プロンプト／設定と、コースのワークフロー設計（例：期待する粒度、冗長さの抑制、キュレーションされたガードレールの例、軽量な品質ルーブリック）に焦点を当てている。
