論文の概要: Elucidating STEM Concepts through Generative AI: A Multi-modal
Exploration of Analogical Reasoning
- arxiv url: http://arxiv.org/abs/2308.10454v1
- Date: Mon, 21 Aug 2023 04:00:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-22 15:10:00.360357
- Title: Elucidating STEM Concepts through Generative AI: A Multi-modal
Exploration of Analogical Reasoning
- Title(参考訳): 生成AIによるSTEM概念の解明 : アナロジカル推論のマルチモーダル探索
- Authors: Chen Cao, Zijian Ding, Gyeong-Geon Lee, Jiajun Jiao, Jionghao Lin,
Xiaoming Zhai
- Abstract要約: 本研究では、生成人工知能(AI)と多モード類似推論の統合について検討する。
我々は、生成AIの能力を利用して、数学、物理学、プログラミングの複雑な原理を理解可能な比喩に変換する新しいシステムを開発した。
- 参考スコア(独自算出の注目度): 5.759606494344033
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study explores the integration of generative artificial intelligence
(AI), specifically large language models, with multi-modal analogical reasoning
as an innovative approach to enhance science, technology, engineering, and
mathematics (STEM) education. We have developed a novel system that utilizes
the capacities of generative AI to transform intricate principles in
mathematics, physics, and programming into comprehensible metaphors. To further
augment the educational experience, these metaphors are subsequently converted
into visual form. Our study aims to enhance the learners' understanding of STEM
concepts and their learning engagement by using the visual metaphors. We
examine the efficacy of our system via a randomized A/B/C test, assessing
learning gains and motivation shifts among the learners. Our study demonstrates
the potential of applying large language models to educational practice on STEM
subjects. The results will shed light on the design of educational system in
terms of harnessing AI's potential to empower educational stakeholders.
- Abstract(参考訳): 本研究では,科学,技術,工学,数学(STEM)教育を強化する革新的なアプローチとして,生成人工知能(AI),特に大規模言語モデルの統合について検討する。
我々は、生成AIの能力を利用して、数学、物理学、プログラミングの複雑な原理を理解可能な比喩に変換する新しいシステムを開発した。
教育経験をさらに強化するために、これらのメタファーは後に視覚形式に変換される。
本研究の目的は,視覚的メタファーを用いて学習者のSTEM概念の理解を深めることである。
本システムの有効性をランダム化a/b/cテストで検証し,学習者間の学習成果とモチベーションシフトを評価した。
本研究では,STEMにおける教育実践に大規模言語モデルを適用する可能性を示す。
結果は、AIが教育関係者に力を与える可能性を活用するという観点から、教育システムの設計に光を当てることになる。
関連論文リスト
- Learning Interpretable Concepts: Unifying Causal Representation Learning
and Foundation Models [51.43538150982291]
人間の解釈可能な概念をデータから学習する方法を研究する。
両分野からアイデアをまとめ、多様なデータから概念を確実に回収できることを示す。
論文 参考訳(メタデータ) (2024-02-14T15:23:59Z) - 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) - Multimodality of AI for Education: Towards Artificial General
Intelligence [14.121655991753483]
マルチモーダル人工知能(AI)アプローチは、教育的文脈における人工知能(AGI)の実現に向けた道を歩んでいる。
この研究は、認知フレームワーク、高度な知識表現、適応学習機構、多様なマルチモーダルデータソースの統合など、AGIの重要な側面を深く掘り下げている。
本稿は、AGI開発における今後の方向性と課題に関する洞察を提供する、教育におけるマルチモーダルAIの役割の意味についても論じる。
論文 参考訳(メタデータ) (2023-12-10T23:32:55Z) - Large Language Models for Scientific Synthesis, Inference and
Explanation [56.41963802804953]
大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。
我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。
このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
論文 参考訳(メタデータ) (2023-10-12T02:17:59Z) - AI Chatbots as Multi-Role Pedagogical Agents: Transforming Engagement in
CS Education [8.898863361318817]
4つの異なるチャットボットを備えた新しい学習環境を開発し,実装し,評価する。
これらの役割は、学習者(能力、自律性、関連性)の3つの本質的な心理的ニーズを満たす。
このシステムは、質問に基づく学習パラダイムを採用し、学生に質問をし、解決策を求め、その好奇心を探求するよう促す。
論文 参考訳(メタデータ) (2023-08-08T02:13:44Z) - Non-equilibrium physics: from spin glasses to machine and neural
learning [0.0]
障害のある多体系は様々なスケールで幅広い創発現象を示す。
我々は、統計物理学を通して、乱れたシステムにおけるそのような突発的な知性を特徴付けることを目指している。
知的システムを設計するための指針となる学習メカニズムと物理力学の関係を明らかにする。
論文 参考訳(メタデータ) (2023-08-03T04:56:47Z) - Enhancing STEM Learning with ChatGPT and Bing Chat as Objects to Think
With: A Case Study [0.0]
本研究では、高度な対話型AIであるChatGPTとBing Chatの「考える対象」としての可能性について検討する。
この研究は、ChatGPTとBing Chatが、STEM教育に革命をもたらす有望な道を提供する、と結論付けている。
論文 参考訳(メタデータ) (2023-05-01T12:20:18Z) - Machine learning and deep learning [0.0]
機械学習は、問題固有のトレーニングデータから学習するシステムの能力を記述する。
ディープラーニングは、人工ニューラルネットワークに基づく機械学習の概念である。
論文 参考訳(メタデータ) (2021-04-12T09:54:12Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳(メタデータ) (2020-03-18T08:45:10Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-02T10:32:21Z) - A Review on Intelligent Object Perception Methods Combining
Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。
最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文 参考訳(メタデータ) (2019-12-26T13:26:49Z)
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。