大学のコンピュータサイエンス教育は国際的なカリキュラムガイドラインに従っており、これらのガイドラインは約10年ごとに改訂されます。しかし現在のところ、各大学のプログラムが現行のガイドラインをどの程度網羅しているか、またガイドラインが再構成される際にその対象範囲がどのように変化するかを信頼性を持って測定する方法が存在していません。本研究はこの課題に対し、人間の判断をループに含めたパイプラインを開発することで対応しました。このフレームワークは、認定されたコンピュータサイエンス学部プログラムを対象に、Computer Science Curricula 2013（CS2013）と2023（CS2023）に対する知識範囲のカバレッジを縦断的に測定するものです。 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、セマンティック検索によって候補となるコース-知識ユニット間のマッチングを自動生成し、その後に人間の判断によって明示的なカバレッジ定義に基づいて確認します。ベンチマーク測定された7つの検索器の中で、逆順位融合アンサンブルが最強の性能を示し、長文対応能力で知られるモデルが小規模な文単位モデルより劣るなど、検索器の選択が重要であることが明らかになりました。両方のマッピングは独立した第2評価者によって検証され、Cohen's kappaはCS2023で0.64、CS2013で0.69でした。 分析の結果、プログラムはCS2023の49.7%、CS2013の50.9%の知識ユニットをカバーしており、10年間でほぼ一定であることが判明しました。同じ検索-確認設計を能力表現と認知的深さに拡張すると、プログラムはカバーされた単位の約88%について各ガイドラインの能力を表現していたものの、推奨される深さで達成しているのはCS2023では76%、CS2013では95%にとどまりました。この差は新しいガイドラインの期待値が高まったことを反映しており、プログラム自体の問題ではありません。縦断的比較により、並列・分散コンピューティング、プログラミング言語基礎、システム基礎といった両ガイドラインおよびABET基準に対してカバーされていない構造的な課題と、標準の進化を反映した差異を区別することができました。