計算機科学の学士課程教育は、およそ10年ごとに改訂される国際的なカリキュラムガイドラインに従って運営されているが、プログラム側には、現在のガイドラインをどの程度完全にカバーしているか、またガイドラインが再編成されたときにカバレッジがどう変化するかを、信頼性高く再現可能に測定する手段がなかった。この課題に対し、Sherzod Turaev氏ら6名の著者は、人間参加型のパイプラインを提案し、認定を受けた1つの計算機科学BScプログラムに適用して、Computer Science Curricula 2013（CS2013）と2023（CS2023）に対して縦断的に測定した。
このパイプラインは、プログラムと各ガイドラインを構造化されたコーパスとして表現し、意味的検索によってコースと知識単位の候補マッチングを生成し、明示的なカバレッジ定義の下で人間の判断を通じて確認する。研究チームは7つの検索器をベンチマークし、逆順位融合（reciprocal-rank-fusion）アンサンブルが最も強力であることを見出した。一方、長文脈モデルとして知られるモデルは小型の文埋め込みモデルを下回ったため、検索器の選択は実際に測定する必要があると結論づけている。両方のマッピングは独立した第2評定者によって検証され、Cohenのカッパ係数はCS2023で0.64、CS2013で0.69であった。
縦断比較の結果、プログラムはCS2023の知識単位の49.7%、CS2013の50.9%をカバーしており、10年間でほぼ一定であることがわかった。研究は同じ「検索して確認する」設計をコンピテンシーの表明と認知深度に拡張した。その結果、両ガイドラインの下でカバーされた単位の約88%についてコンピテンシーが表明されているものの、推奨される認知深度で提供されているのは、CS2023では現存する単位の76%にとどまり、CS2013では95%であった。著者らは、この差はプログラムの後退ではなく、新しいガイドラインが要求水準を高めたことを反映していると指摘する。
縦断比較により、両ガイドラインおよびABET基準のいずれに対してもカバーされていない並列・分散コンピューティング、プログラミング言語の基礎、システム基礎といった持続的な構造的ギャップと、標準の進化に起因する差異とが区別された。この測定ツールは再利用可能であり、著者に請求すれば入手できる。論文は24ページ、図5点、表8点からなり、2026年6月17日に投稿され、人工知能（cs.AI）およびソフトウェア工学（cs.SE）に分類されている。