論文の概要: Practical and Ethical Challenges of Large Language Models in Education:
A Systematic Scoping Review
- arxiv url: http://arxiv.org/abs/2303.13379v2
- Date: Sat, 22 Jul 2023 15:26:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 23:33:44.120418
- Title: Practical and Ethical Challenges of Large Language Models in Education:
A Systematic Scoping Review
- Title(参考訳): 教育における大規模言語モデルの実践的・倫理的課題:システマティック・スコープ・レビュー
- Authors: Lixiang Yan, Lele Sha, Linxuan Zhao, Yuheng Li, Roberto
Martinez-Maldonado, Guanliang Chen, Xinyu Li, Yueqiao Jin and Dragan
Ga\v{s}evi\'c
- Abstract要約: 大規模言語モデル(LLM)は、テキストコンテンツの生成と分析の面倒なプロセスを自動化する可能性がある。
これらの革新の実践性と倫理性には懸念がある。
我々は2017年以降に発行された118件の査読論文の体系的スコーピングレビューを行い、研究の現状を明らかにした。
- 参考スコア(独自算出の注目度): 5.329514340780243
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Educational technology innovations leveraging large language models (LLMs)
have shown the potential to automate the laborious process of generating and
analysing textual content. While various innovations have been developed to
automate a range of educational tasks (e.g., question generation, feedback
provision, and essay grading), there are concerns regarding the practicality
and ethicality of these innovations. Such concerns may hinder future research
and the adoption of LLMs-based innovations in authentic educational contexts.
To address this, we conducted a systematic scoping review of 118 peer-reviewed
papers published since 2017 to pinpoint the current state of research on using
LLMs to automate and support educational tasks. The findings revealed 53 use
cases for LLMs in automating education tasks, categorised into nine main
categories: profiling/labelling, detection, grading, teaching support,
prediction, knowledge representation, feedback, content generation, and
recommendation. Additionally, we also identified several practical and ethical
challenges, including low technological readiness, lack of replicability and
transparency, and insufficient privacy and beneficence considerations. The
findings were summarised into three recommendations for future studies,
including updating existing innovations with state-of-the-art models (e.g.,
GPT-3/4), embracing the initiative of open-sourcing models/systems, and
adopting a human-centred approach throughout the developmental process. As the
intersection of AI and education is continuously evolving, the findings of this
study can serve as an essential reference point for researchers, allowing them
to leverage the strengths, learn from the limitations, and uncover potential
research opportunities enabled by ChatGPT and other generative AI models.
- Abstract(参考訳): 大規模言語モデル(LLM)を活用した教育技術革新は、テキストコンテンツの生成と分析の面倒なプロセスを自動化する可能性を示している。
様々なイノベーションが様々な教育タスク(質問生成、フィードバック提供、エッセイ等)を自動化するために開発されているが、これらのイノベーションの実践性と倫理性には懸念がある。
このような懸念は、将来の研究を妨げ、本物の教育分野におけるllmsベースのイノベーションの導入を妨げる可能性がある。
そこで本研究では,2017年以降に発行された118のピアレビュー論文を体系的にスコーピングし,教育タスクの自動化と支援にllmを用いた研究の現状を明らかにする。
その結果,学習タスクの自動化におけるLLMのユースケースは,プロファイリング/ラベリング,検出,グレーディング,指導支援,予測,知識表現,フィードバック,コンテンツ生成,レコメンデーションの9つに分類された。
さらに,技術的準備の低さ,再現性と透明性の欠如,プライバシの不足や便宜上の配慮など,実践的かつ倫理的な課題についても検討した。
この結果は、最先端のモデル(GPT-3/4など)による既存のイノベーションの更新、オープンソースモデル/システムの導入、開発プロセス全体を通じて人間中心のアプローチの採用など、将来の研究のための3つの推奨事項にまとめられた。
AIと教育の交差点が継続的に進化しているため、この研究の発見は研究者にとって不可欠な基準点となり、強みを活用し、限界から学び、ChatGPTや他の生成AIモデルによって実現される潜在的研究機会を明らかにすることができる。
関連論文リスト
- Open-world Machine Learning: A Review and New Outlooks [88.62638732250427]
本稿では,新たなオープンワールド機械学習パラダイムを包括的に紹介することを目的としている。
研究者がそれぞれの分野でより強力なAIシステムを構築するのを支援し、人工知能の開発を促進することを目的としている。
論文 参考訳(メタデータ) (2024-03-04T06:25:26Z) - Bringing Generative AI to Adaptive Learning in Education [60.8973486604967]
我々は、生成AIと適応学習の交差研究に光を当てた。
我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献すると主張している。
論文 参考訳(メタデータ) (2024-02-02T23:54:51Z) - Taking the Next Step with Generative Artificial Intelligence: The
Transformative Role of Multimodal Large Language Models in Science Education [14.679589098673416]
MLLM(Multimodal Large Language Models)は、テキスト、音声、視覚入力を含むマルチモーダルデータを処理できる。
本稿では,科学教育の中心的な側面におけるMLLMの変革的役割について,模範的な革新的な学習シナリオを提示することによって考察する。
論文 参考訳(メタデータ) (2024-01-01T18:11:43Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳(メタデータ) (2023-06-06T10:18:36Z) - Towards Applying Powerful Large AI Models in Classroom Teaching:
Opportunities, Challenges and Prospects [5.457842083043013]
本稿では,人工知能(AI)を用いた授業実践の促進を目的とした,インタラクティブなシナリオのシリーズを提案する。
教師と学生の対話を強化し、充実させるAIの可能性を探り、教育の質を向上させる。
論文 参考訳(メタデータ) (2023-05-05T11:09:13Z) - A Review of the Trends and Challenges in Adopting Natural Language
Processing Methods for Education Feedback Analysis [4.040584701067227]
機械学習、ディープラーニング、自然言語処理(NLP)はAIのサブセットであり、データ処理とモデリングのさまざまな領域に取り組む。
本稿では、現在の機会を概観した、AIが教育に与える影響の概要について述べる。
論文 参考訳(メタデータ) (2023-01-20T23:38:58Z) - VQA and Visual Reasoning: An Overview of Recent Datasets, Methods and
Challenges [1.565870461096057]
この結果、視覚と言語の統合が多くの注目を集めた。
タスクは、深層学習の概念を適切に実証するための方法で作られています。
論文 参考訳(メタデータ) (2022-12-26T20:56:01Z) - 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) - A Survey of Knowledge Tracing [49.79718735483553]
新型コロナウイルスの感染拡大は、オンライン教育の流行を引き起こしている。
オンライン学習プラットフォームを使用して、大量の学習データを記録および研究することが可能になった。
知識追跡(KT)は、学生の進化する知識状態を監視することを目的としている。
論文 参考訳(メタデータ) (2021-05-06T13:05:55Z) - 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) - Semi-Supervised Learning Approach to Discover Enterprise User Insights
from Feedback and Support [9.66491980663996]
本稿では,Deep Learning と Topic Modeling を利用した,革新的なセミスーパーバイザラーニング手法を提案する。
このアプローチは、教師付き学習と新しい確率的・セマンティックハイブリッドトピック推論(PSHTI)モデルを組み合わせたBERTベースのマルチクラス化アルゴリズムである。
本システムは,Webクローリングを通じて製品に関するドメイン知識を活用することで,トップワードを自己ヘルプ問題にマッピングすることを可能にする。
論文 参考訳(メタデータ) (2020-07-18T01:18:00Z)
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。