対象: 学生
AI Tutor
コンピテンシーマップに沿って学習に伴走し、演習の提案やフィードバックを行う。
制約
学生の課題を代行しない。
この翻訳はレビュー中です。ベトナム語版が正式版となります。
戦略プロジェクト 2026–2031 · AI-native Competency-Based 5T University
AI-native 大学人間を中心に
DAUが目指すのは、表面的な「大学のAI化」ではありません。人間、5T哲学、OBE/VQF、実証されたコンピテンシー、そして質を中心に据え、大学のあり方そのものをAI-nativeな形へと再設計します。
- 統合設計レイヤー
- 9
- 統合設計レイヤー
- コア Copilot
- 4
- コア Copilot
- 成熟度レベル
- 5
- 成熟度レベル
- AI-native 目標年
- 2031
- AI-native 目標年
モットー
実質 – 実力 – 未来を創る
01 — 概要
ソフトウェア導入ではなく、大学変革のプログラム
本プロジェクトは、チャットボットや管理ソフトウェアを導入するものではありません。データ、学修成果、実証されたコンピテンシー、AIによって運営される大学エコシステムへとDAUを転換する取り組みであり、最終的な意思決定の主体は常に人間です。
01
テクノロジーによる教育の再構築
AI、ビッグデータ、自動化、Digital Twin、グリーントランスフォーメーション、デジタル経済が、大学における教育・学習・運営のあり方を変えつつあります。
02
社会が求める本物の能力
学習者には、成績証明書だけでなく、成果物と信頼できるエビデンスによって能力を示すことが求められています。
03
自律性と説明責任
高等教育は、自律的な運営、認証評価、質の透明性を重視する方向へ移行しています。
04
規模から能力へ
発展の軸は、規模の拡大から、能力、データ、質、イノベーションへと移りつつあります。
2006
基盤
約20年にわたる発展の歩み。
6年
2026–2031
DAUの重点戦略プロジェクト。
レベル5
AI-native
2031年に向けて目指す成熟度。
2050
ビジョン
5Tの価値 – 実証されたコンピテンシー – アジアと世界に通用する存在。
02 — アイデンティティ
5Tの三層構造
5TはDAUのアイデンティティであり、指導理念、教育の方法、大学としてのブランド価値という三つの層に分けて整理されています。AI-nativeは、これらの価値を実現するための基盤にすぎません。
5T哲学
思想的基盤
- T1
静謐
Tranquility
- T2
叡智
Theoria
- T3
実証
Tangibility
- T4
変通
Transfluency
- T5
永続
Transcendence
5T教育
教育の方法
- T1
実学
Think
- T2
実習
Train
- T3
実務
Task
- T4
実戦
Test
- T5
実践的創造
Transform
5Tブランド価値
DAU学生の特質
- T1
先駆
Trailblazing
- T2
実践
Tangible
- T3
全人
Thriving
- T4
協働
Togetherness
- T5
責任
Trustworthy
5Tをデータ・AIへ結び付ける運用指標
実証されたコンピテンシーデジタル責任創成的思考
03 — モデル
九層からなる統合設計
AI-native Competency-Based DAU モデルは、人間の価値から知的基盤・質の基盤に至る九つの層で構成されます。個別ツールの寄せ集めではなく、一つの統合された設計です。
5A
Human-centred 5T
人間が中心。AIは教員に取って代わらない。
5B
OBE/VQF
学修成果に基づく教育を、ベトナム国家資格枠組（VQF）に整合させる。
5C
AI-Native CBE Ecosystem
学修成果を、観察・測定・証明・改善が可能なコンピテンシーへと転換する。
5D
OBE/CBE Core
全学の学術データの基幹。
5E
Competency Map
コンピテンシーを観察可能な行動で記述し、エビデンス、ルーブリック、習熟度と結び付ける。
5F
Second Brain & Governance
組織の記憶、Knowledge Graph、データとAIのガバナンス。
5G
AI Infrastructure Efficiency
モデルの調整とコスト管理。基盤データを損なわずにモデルを切り替えられる。
5H
Agentic Orchestration
権限管理、監査ログ、human-in-the-loopを備えたAIエージェントの統合運用。
5I
World Models, Evidence & Quality Intelligence
Digital Twin University、Learning Analytics、Living Portfolio、PDCA/CQI、常時型の認証評価。
04 — Copilot
四つの中核Copilotと共通基盤
Agentic AIは単一のチャットボットではなく、権限管理・統制・説明責任を備えたエージェントのエコシステムです。各Copilotには明確な制約が設けられています。
対象: 教員
Faculty Copilot
科目設計、ルーブリック、教材、学習者へのフィードバックを支援する。
制約
教員の専門的判断に取って代わらない。
対象: 研究者
Research Copilot
文献レビュー、データ管理、論文発表のプロセスを支援する。
制約
論文の代筆やデータの捏造は行わない。
対象: 管理部門
Admin Copilot
業務プロセス、報告、質のモニタリング、認証評価を支援する。
制約
教務・財務・人事・認証評価に関する決定を自ら行わない。
四つのCopilotはいずれも、Second Brain、Knowledge Graph、OBE/CBE Core、Data/AI Governanceを共通基盤とします。
Second Brainが正しく記憶し
World Modelsがより良く予測し
人間が決定する
05 — 成熟度
五段階の成熟度
各レベルは、次のレベルに進むための必要条件です。DAUは一歩ずつ前進し、拡大の前に実態を正確に測定します。
01
デジタル化
Digitized
業務とデータがデジタル化されている。
02
データ活用
Data-informed
データを根拠に意思決定が行われる。
03
AI統合
AI-integrated
AIが中核的な活動に組み込まれている。
04
AI主導
AI-driven
AIが業務を調整し、人間が監督する。
05
AI-native
設計段階からデータとAIを基盤として大学が運営される。
目標：2031年までにレベル5を目指す。
06 — ロードマップ
ロードマップ 2026–2031
テクノロジーは学術目標に従う。各段階は、データとエビデンスが十分に信頼できる水準に達した時点で初めて拡大します。
最初の100日
始動
運営委員会の設置、パイロット教育プログラムの選定、Second Brain v1。
2026
AI-ready & CBE-ready
OBE/CBE CoreとCompetency Mapの試行、データ・AIポリシーの制定。
2027
AI-integrated & CBE-integrated
AI Tutor、Faculty Copilot、Research Copilotの試行、Living Portfolioの導入。
2028–2029
AI-driven CBE DAU
Agentic AIの拡大、学生・科目・プログラム単位のDigital Twin、常時型の認証評価。
2030–2031
AI-native core completion
マルチエージェントのエコシステム、全学規模のDigital Twin、生涯学習。
2031年以降
AI-native scaling & maturity
全学への展開と運営の最適化。
“小さく始め、正直に測り、素早く改善し、統制のもとで拡大する。”
各マイルストーンは提案段階の枠組みです。段階の移行は、データ成熟度指数（Data Maturity Index）とエビデンス真正性指数（Evidence Authenticity Index）に基づいて判断します。
2030年までの目標
提案中の指標
- 学修成果、VQF、認証評価に基づき見直された教育プログラム
- 100%
- 学修成果、VQF、認証評価に基づき見直された教育プログラム
- Living Portfolioを持つ2027–2030年度入学生
- ≥50%
- Living Portfolioを持つ2027–2030年度入学生
- OBE/VQF、ルーブリック、評価に関する研修を受けた教員
- 100%
- OBE/VQF、ルーブリック、評価に関する研修を受けた教員
- AI-readinessとデジタル教材の研修を修了した教員
- ≥80%
- AI-readinessとデジタル教材の研修を修了した教員
- 博士号を持つ専任教員
- ≥30%
- 博士号を持つ専任教員
2026–2030年発展戦略に基づく。成果はエビデンスが揃った場合にのみ公表します。
07 — 戦略の柱
七つの戦略的柱
すべての柱は、5Tの価値とOBE/VQFに基づく学修成果重視の教育という共通の基盤の上に成り立っています。
01
教育
コンピテンシー基盤のプログラム、スタジオ型学習、Living Portfolio。
02
科学技術・AI
Research Copilotと透明性の高い論文発表プロセス。
03
地域社会
地域に貢献する学びと地域との連携。
04
国際協力・広報
教育投資の価値を発信し、パートナーシップを拡大。
05
教職員
教員のOBE能力とAI-readinessの育成。
06
財務・施設
AIインフラ、第2キャンパス、資源の多様化。
07
質・IQA
大学、学部、プログラム、科目の4レベルにおける内部質保証。
Design × Domain 学際的重点分野
- Smart City, Urban Design & Digital Twin
- Green Architecture & Sustainable Construction
- BIM, Construction Management & Project Finance
- UX/UI, Digital Product & Visual Communication
08 — パイロット
建築設計スタジオ
試行版
建築設計課題のための9基準ルーブリックが、最初のパイロット成果物です。AIの利用は管理下で行い、申告を義務とします。学生は個人としての能力を証明しなければなりません。AIへの耐性は独立した基準とせず、全体を通じて組み込まれています。
- TC1コンセプトと創造性
- TC2アイデンティティと地域性
- TC3空間と機能
- TC4都市計画とランドスケープ
- TC5建築技術
- TC6材料と構法
- TC7グリーン建築
- TC8地域社会への波及
- TC9表現と講評
09 — ベンチマーク
科学的根拠とベンチマーク
DAUの設計を構成する要素は、いずれも世界に先行事例があります。したがって優位性は「AI-native」という名称ではなく、統合の質から生まれます。
- ベトナム国内の重点事例
- 76
- ベトナム国内の重点事例
- 比較対象機関：海外80、ベトナム20
- 100
- 比較対象機関：海外80、ベトナム20
- 世界の地域クラスター
- 14
- 世界の地域クラスター
- 学術・制度面の評価基準
- 14
- 学術・制度面の評価基準
六つの潜在的な優位性
- 01価値と運営メカニズムの一貫性
- 02個々のコンピテンシー不足まで遡れるトレーサビリティ
- 03学習と正式な認定の分離
- 04共通の基準と柔軟な学習経路
- 05生きたコンピテンシー記録 — Living Portfolio
- 06建築・建設・デザインの特性に根差した学際的スタジオ
これは設計の質と可能性に関する評価であり、DAUがすでに優れた成果を上げたという結論ではありません。
10 — 原則
運営原則
人間が決定する
Human-in-commandはガバナンスの原則であり、human-in-the-loopはその実行メカニズムです。
学術が主導する
テクノロジーは学術目標に従うものであり、その逆ではありません。
安定した中核、柔軟な周縁
中核では使命、5T、OBE/VQF、ガバナンスを堅持し、周縁ではマイクロクレデンシャルや学際的スタジオを迅速に試行します。
中核的知識はDAUが保有
Build–Buy–Partnerモデルのもと、基準、ルーブリック、エビデンスデータはDAUが保持します。
まずデータの整備から
データが整備され、エビデンスが検証されるまで、早期の拡大は行いません。
エビデンスに基づく公表
公表するのは、エビデンスに裏付けられた実施状況と成果のみです。
人間を中心に、5Tをアイデンティティに、実証されたコンピテンシーを尺度に、データとAIを知的基盤に、そして真の質を長期的な約束とする。