論文の概要: Proactive and Reactive Engagement of Artificial Intelligence Methods for
Education: A Review
- arxiv url: http://arxiv.org/abs/2301.10231v1
- Date: Mon, 23 Jan 2023 02:47:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-25 12:41:40.741069
- Title: Proactive and Reactive Engagement of Artificial Intelligence Methods for
Education: A Review
- Title（参考訳）: 教育のための人工知能手法の積極的かつリアクティブな取り組み--レビュー
- Authors: Sruti Mallik, Ahana Gangopadhyay
- Abstract要約: 我々は,人工知能,機械学習,深層学習が,学生,教育者,行政スタッフを支援するためにどのように利用されているかを検討する。
教育過程におけるAI駆動手法の関与について考察する。
- 参考スコア（独自算出の注目度）: 2.2843885788439793
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quality education, one of the seventeen sustainable development goals (SDGs)
identified by the United Nations General Assembly, stands to benefit enormously
from the adoption of artificial intelligence (AI) driven tools and
technologies. The concurrent boom of necessary infrastructure, digitized data
and general social awareness has propelled massive research and development
efforts in the artificial intelligence for education (AIEd) sector. In this
review article, we investigate how artificial intelligence, machine learning
and deep learning methods are being utilized to support students, educators and
administrative staff. We do this through the lens of a novel categorization
approach. We consider the involvement of AI-driven methods in the education
process in its entirety - from students admissions, course scheduling etc. in
the proactive planning phase to knowledge delivery, performance assessment etc.
in the reactive execution phase. We outline and analyze the major research
directions under proactive and reactive engagement of AI in education using a
representative group of 194 original research articles published in the past
two decades i.e., 2003 - 2022. We discuss the paradigm shifts in the solution
approaches proposed, i.e., in the choice of data and algorithms used over this
time. We further dive into how the COVID-19 pandemic challenged and reshaped
the education landscape at the fag end of this time period. Finally, we
pinpoint existing limitations in adopting artificial intelligence for education
and reflect on the path forward.
- Abstract（参考訳）: 品質教育は、国連総会が特定した17の持続可能な開発目標(SDG)の1つであり、人工知能(AI)駆動のツールと技術の導入によって大きな恩恵を受ける。
必要なインフラ、デジタルデータ、一般社会認識の同時ブームは、aied(artificial intelligence for education)分野における大規模な研究と開発の取り組みを促している。
本稿では,人工知能,機械学習,深層学習手法が,学生,教育者,管理スタッフにどのように活用されているかを検討する。
我々はこれを、新しい分類アプローチのレンズを通して行う。
我々は,AIによる学習プロセスへの関与を,前向きな計画段階における学生の入学,コーススケジューリング等から,リアクティブな実行段階における知識提供,パフォーマンス評価等まで検討する。
我々は、過去20年間に発行された194のオリジナル研究論文の代表グループ(2003年～2022年)を用いて、AIの教育における積極的かつリアクティブな関与の下での主要な研究方向性を概説し、分析する。
本稿では,提案する解法におけるパラダイムシフト,すなわち,この期間に使用されるデータとアルゴリズムの選択について論じる。
新型コロナウイルス(COVID-19)のパンデミックが、この期間の終わりにどのように教育の状況に挑戦し、作り直したかをさらに掘り下げる。
最後に、教育に人工知能を採用する際の既存の制限を指摘し、今後の方向性を振り返る。
関連論文リスト
- The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。
データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文 参考訳（メタデータ） (2022-11-27T13:07:14Z) - Experts' View on Challenges and Needs for Fairness in Artificial
Intelligence for Education [11.374344511408443]
我々は,AIに基づく教育システムの開発を通じて,公正に対処する上での課題とニーズについて,専門家主導による最初の体系的な調査を行った。
我々は,教育技術の専門家が実際に直面している課題とニーズについて,共通かつ多様化した見解を明らかにした。
論文 参考訳（メタデータ） (2022-06-23T13:29:39Z) - A Transparency Index Framework for AI in Education [1.776308321589895]
この研究の主な貢献は、AIを活用した教育技術開発における透明性の重要性を強調することである。
我々は、透明性が、解釈可能性、説明可能性、安全性などの教育における他の倫理的AI次元の実装を可能にすることを実証する。
論文 参考訳（メタデータ） (2022-05-09T10:10:47Z) - Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and
Stir" [76.44130385507894]
本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。
本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
論文 参考訳（メタデータ） (2021-11-01T17:57:04Z) - Competency Model Approach to AI Literacy: Research-based Path from
Initial Framework to Model [0.0]
AIリテラシーの研究は、これらのスキルを開発するための効果的で実用的なプラットフォームにつながる可能性がある。
我々は、AI教育の実用的で有用なツールとして、AIリテラシーを開発するための経路を提案し、提唱する。
論文 参考訳（メタデータ） (2021-08-12T15:42:32Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - Confronting Structural Inequities in AI for Education [5.371816551086117]
我々は、AIモデルの性能格差に基づく公正性を評価するという支配的なパラダイムが、教育用AIシステムが生み出す構造的不平等に直面するには不十分であると主張している。
教育用AI技術が、モデルの性能の同等性に関係なく、構造的不正と不平等の歴史的正当性をいかに束縛され、再現されているかを実証する。
論文 参考訳（メタデータ） (2021-05-18T22:13:35Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。