✅ レポート採点基準 / How Your Reports Are Assessed

大学・大学院におけるレポート採点基準のスライド資料です。

関連リンク
🎓 大阪公立大学から紀要論文を公開 - note
🎓 Railsチュートリアル、チーム学習のコツ - note
🎓 Railsチュートリアル - 法人向けサービスの紹介

Transcript

1. Railsチュートリアル、講義情報まとめ ポ スケジュール、講義資料、レ ート、採点基準など
2. 本コースで学べること 一緒に確認! (DEMO)
3. フレームワーク開発特論 “立ち位置と、 学べること” ♻✨
4. 東京都立の大学院で Ruby/Rails 講義を Railsチュートリアル × 反転学習 データで見る 解説動画とWebテキストの違い 全学科１位 にするための授業設計 学生による授業評価 (５点満点 / 第１クォータ) 5 4.6 点 5 5 4.4 点 4 4 5 🥇 4.5 点 ʼ22 ʼ23 5 🥈 ʼ24 ʼ25 5 4 4 4.1 点 4 4 4 ʼ18 ʼ19 ʼ20 ʼ21 ※ 回答者数は各年で異なる (10~23人) ※ 🥇 🥈 = 同クォータ内 授業評価点順
5. “ 課題解決できるスキルと 業務遂行能力を身につける
6. フレームワーク開発特論 ← １人で開発する (※ ココが僕の担当) コラボ開発特論 ← 共同で開発する 身近な課題を解決 (PBL) ← PBLで開発する
7. “変わりにくい特性を強化する” 参考: キャリアを時間・空間軸で考える https://speakerdeck.com/kentaro/thinking-about-your-career-from-both-time-and-space-viewpoints 参考: AIIT PBL Method - Advanced Institute of Industrial Technology https://aiit.ac.jp/education/pbl/
8. AI を活用し、AI と協調しよう 参考: ChatGPT を組み込んだ 24 時間 TA：教育現場における LLM 活用の課題と改善 https://speakerdeck.com/yasslab/education-and-llm-case-study-of-railstutorial-ai-support
9. AI を活用し、AI と協調しよう 概要: AI は短期で高いパフォーマンスを発揮する、人は長期で高いパフォーマンスを発揮する （「AI (o1)」は 2025 年時点の OpenAI のモデル、「人 (Human)」は大学院修了相当のスキル。） 参考: PaperBench: Evaluating AI’s Abilities to Replicate AI Research - OpenAI https://openai.com/index/paperbench/
10. AI を活用し、AI と協調しよう AI だけ → 人だけ ↑ 概要: AI は短期で高いパフォーマンスを発揮する、人は長期で高いパフォーマンスを発揮する （「AI (o1)」は 2025 年時点の OpenAI のモデル、「人 (Human)」は大学院修了相当のスキル。） 参考: PaperBench: Evaluating AI’s Abilities to Replicate AI Research - OpenAI https://openai.com/index/paperbench/
11. AI を活用し、AI と協調しよう より複雑な課題を より短期に解決。 AI + 人 (協調) 概要: AI は短期で高いパフォーマンスを発揮する、人は長期で高いパフォーマンスを発揮する （「AI (o1)」は 2025 年時点の OpenAI のモデル、「人 (Human)」は大学院修了相当のスキル。） 参考: PaperBench: Evaluating AI’s Abilities to Replicate AI Research - OpenAI https://openai.com/index/paperbench/
12. 本コースで学べること（再掲） 一緒に確認! (DEMO)
13. 講義スケジュールと、講義資料まとめ 一緒に確認! (DEMO)
14. 授業形態と成績の付け方
15. 授業形態と成績の付け方 ※ 詳細は『講義資料まとめ』をご参照ください
16. 講義を少なく、質問対応を重視 質問対応 対面講義 対面講義 2017年度まで 質問対応 2018年度以降
17. 手を動かす時間の最大化 聴く時間 → 動く時間 分からない → 調べられる 知っている → 導き出せる
18. レポートの採点基準 前提: あるプロジェクト X の開発において test は後で書く? 先に書く? なぜ? devise を使う? 使わない? なぜ? scaffold を使う? 使わない? なぜ? Yes/No はどちらでも大丈夫！Why を重視
19. Yes/No はどちらでも良い。Why を重視 例: チームメンバーを技術的に説得できるか? 🤔 💭 みんながそう言っているから 運用のコストが高くなるから エラい人がそう言ってたから この仕様は後で変更するから まずは自分の主張を書く。〆切後に共有・議論
20. まずは自分の主張を書く。あとで共有して議論 例: あなたのプロジェクトXにおいて test は後で書く? 先に書く? なぜ? Q. 仕様が変わる可能性はある? Q. どこまで書く? 100%網羅? Q. 何で書く? minitest? RSpec? 全体でのディスカッションは評価の対象外です。 とはいえ参加すると早く考える練習になります。
21. AI を活用し、AI と協調 (再掲) より複雑な課題を より短期に解決。 AI + 人 (協調) 概要: AI は短期で高いパフォーマンスを発揮する、人は長期で高いパフォーマンスを発揮する （「AI (o1)」は高度な推論能力を持つ AI のモデル、「人 (Human)」は大学院修了相当のスキルを持つ） 参考: PaperBench: Evaluating AI’s Abilities to Replicate AI Research - OpenAI https://openai.com/index/paperbench/
22. Railsチュートリアル × 反転学習 LLM が、もたらした変化 ・ 質問の数が 約 27 倍 に増加 “有人” より “無人” の方が質問しやすい (?) ・ どう躓くか、どう直すか？ 学習者の躓き ≒ 講義の改善点 ・ 何を問うか、なぜ問うか？ 設問文によっては “質問するだけ” になる
23. Railsチュートリアル × 反転学習 Q. AI を用いて問題を解くとき、 データで見る 解説動画とWebテキストの違い 問題を難しいと感じましたか？ 学生による AI に対する評価 (３段階評価 / １ヶ月間 / gpt-3.5-turbo) https://bit.ly/learn-to-code-with-chatgpt-raw-data
24. Railsチュートリアル × 反転学習 Q. 受講生による使ってみた所感 データで見る 解説動画とWebテキストの違い （一部抜粋） “ 経験がなかったため、ChatGPTに聞きました （勉強になりました） → 主に「初めて触れるトピック」で使われる傾向 “ コピペではないことを証明するための労力 （回答の正しさ、確からしさ、出典などの調査）が意外と時間が必要 → 原因「問題の回答には必ず出典を明記して下さい」 いったん「出典無しで OK」にしてみたところ ...
25. Railsチュートリアル × 反転学習 採点が大変になってしまった...
26. Railsチュートリアル × 反転学習 採点が大変になった理由の考察 設問例：なぜ Git などのツールでバージョン管理をすることが多い？ もしバージョン管理をしなかった場合、どうなる？ LLM の普及前 LLM の普及後 👀 設問を読む 👀 設問を読む 回答が 分からない 🔍 文献を調べる 回答が 見えてきた 📝 回答を記入する LLM (AI) に 聞いてみる 🔍 文献を調べる 正しいか 確認する 回答を精査し 適宜修正する 📝 回答を記入する
27. Railsチュートリアル × 反転学習 採点が大変になった理由の考察 設問例：なぜ Git などのツールでバージョン管理をすることが多い？ もしバージョン管理をしなかった場合、どうなる？ LLM の普及後 👀 設問を読む LLM (AI) に 聞いてみる 🔍 文献を調べる 正しいか 確認する 回答を精査し 適宜修正する 📝 回答を記入する
28. Railsチュートリアル × 反転学習 採点が大変になった理由の考察
29. Railsチュートリアル × 反転学習 LLM を考慮した 採点基準の明確化 全て合ってたら正答 とした 回答を理解し、適宜精査し、 ポイントを絞り、修正する。
30. Railsチュートリアル × 反転学習 AI 時代に大事な 削るスキルを磨く https://www.clear-code.com/blog/2026/2/20/oss-gate-workshop-of ine-optim-report.html • 生成AIが生成した成果物は冗長なことが多いから、不要なものは削除して開発元の負荷を上げないようにしよう • 生成AIが生成した成果物には複数の話題が含まれてしまっていることがあるから、 個別の話題に分割して、開発元の負荷を上げないようにしよう • 開発元からのコメントやレビューを生成AIに丸投げして返事をするんじゃなくて自分が理解してやりとりしよう fl “
31. Railsチュートリアル × 反転学習 AI 時代に大事な 削るスキルを磨く https://x.com/devops_nk/status/2039939200372355371/photo/1 https://www.reddit.com/r/ProgrammerHumor/comments/1l6o0ac/waterfallagileandai/ AI：初日に車が手に入る。 6つの車輪があって、ドアが逆向きで、ロケットランチャーが付いてる。
32. Railsチュートリアル × 反転学習 採点基準を見直した (2 周目) ・ AI の使用は引き続き OK! 通常の質問も、レポートも、期末試験も。 ・ 問題は “どれか当たれば...” １つの設問に、３〜５の回答を書きがち。 ・ 全て合ってたら正答とした 概要を AI で掴み、詳細を自分で精査する
33. Railsチュートリアル × 反転学習 課題提出のポイント (3 周目) 1. 情報を収集する Web検索もLLM質問も、積極的に使おう 2. 情報を精査する その情報は、間違っているかもしれない 3. 情報に責任を持つ あなたの回答の責任は、あなたが持つ
34. おまけ 『作りながら、学ぶ』 (Project-Based Learning) をさらに活かすための LLM
35. Railsチュートリアル × 反転学習 知ってる < 使った <<< 作った 知ってる人は多く, 使った人は少ない. 1 認知率 1 0 0 68.8% 61.3% 利用率 12.1% 15.4% 0 4月 6月 NRI - 日本のChatGPT利用動向 - ネットアンケート調査 (2023年6月時点) https://www.nri.com/jp/knowledge/report/lst/2023/cc/0622̲1
36. フレームワーク開発特論 ← １人で開発する (※ ココが僕の担当) コラボ開発特論 ← 共同で開発する 身近な課題を解決 (PBL) ← PBLで開発する
37. 色々なプロダクト開発例 ワクワクを膨らませたい
38. 学生によるプロダクト開発例 jr.mitou.org/projects/showcase
39. 学生によるプロダクト開発例 jr.mitou.org/projects/showcase
40. 学生によるプロダクト開発例 jr.mitou.org/projects/showcase
41. 『作りながら、学ぶ』 (Project-Based Learning)
42. Railsチュートリアル × 反転学習 関連リンク（概要欄から各リンクを辿れます！） • 今回のアンケート結果（Raw Data - Google Form） https://bit.ly/learn-to-code-with-chatgpt-raw-data • GatesNotes - The Age of AI has begun https://www.gatesnotes.com/The-Age-of-AI-Has-Begun • OpenAI / ChatGPT 座談会 - YouTube https://www.youtube.com/watch?v=abnGvGEmwoA • AIIT (フレームワーク開発特論) における事例 https://twitter.com/yasulab/status/1645366416500228098 • 生成 AI の初等中等教育でのガイドライン策定に向けた提言 https://prtimes.jp/main/html/rd/p/000000081.000015742.html • 生成 AI の倫理的・法的・社会的課題（ELSI）論点の概観 https://elsi.osaka-u.ac.jp/research/2414 • ジョージア工科大、TA が人工知能だったことに学生の誰も気づかなかった https://www.gizmodo.jp/2016/05/post̲664621.html
43. Railsチュートリアル × 反転学習 関連リンク（概要欄から各リンクを辿れます！） • 未踏ジュニア - 小中高生クリエータ支援プログラム https://jr.mitou.org/ nal • Railsチュートリアル - プロダクト開発の 0 → 1 を学ぼう https://railstutorial.jp/ • Railsチュートリアル - AI サポート機能 https://railstutorial.jp/ai̲support • Railsチュートリアル - note マガジン https://note.com/yasslab/m/md778735d3f77 • YouTube チャンネル - Railsチュートリアル https://youtube.com/YassLab • YouTube チャンネル - CoderDojo Japan https://youtube.com/CoderDojoJapan • YouTube チャンネル - 未踏ジュニア fi https://youtube.com/MitouJr
44. フレームワーク開発特論、講義情報まとめ ポ スケジュール、講義資料、レ ート、採点基準など
45. 初日の目標リスト ここまで出来ていると、今後が ‘ちょっと’ 楽になります。 (1) 回答後に届く、招待メールを確認 (2) 動画教材にアクセスできるか確認 (3) 基本的には『解説動画』で進めて、 簡単そうなら『倍速』にしてみる。 (4) 初回アンケートに回答してみよう 困ったことがあればチャット / 口頭でぜひ！
46. 今後の講義の進め方 だんだん慣れていくので、今は軽く押さえておくだけで OK (1) 課題の内容と〆切を確認 (2) 基本的には『解説動画』で進めて 簡単そうなら『倍速』にしてみる (3) 課題を提出し、課題の解説を聞く (任意) (4) 次の課題の内容と〆切を確認 (1. に戻る) 質問・確認・相談などはチャット欄から気軽にぜひ!!
47. Railsチュートリアル × 反転学習 課題提出のポイント (再掲) LLM を考慮した 採点基準の明確化 全て合ってたら正答 とした 回答を理解し、適宜精査し、 ポイントを絞り、修正する。
48. Railsチュートリアル × 反転学習 課題提出のポイント (再掲) ・ AI の使用は引き続き OK! 通常の質問も、レポートも、期末試験も。 ・ 問題は “どれか当たれば...” １つの設問に、３〜５の回答を書きがち。 ・ 全て合ってたら正答とした 概要を AI で掴み、詳細を自分で精査する
49. Railsチュートリアル × 反転学習 課題提出のポイント (再掲) 1. 情報を収集する Web検索もLLM質問も、積極的に使おう 2. 情報を精査する その情報は、間違っているかもしれない 3. 情報に責任を持つ あなたの回答の責任は、あなたが持つ