論文の概要: ActiveAI: Introducing AI Literacy for Middle School Learners with Goal-based Scenario Learning

• arxiv url: http://arxiv.org/abs/2309.12337v1
• Date: Mon, 21 Aug 2023 11:43:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-10-23 06:48:22.980575
• Title: ActiveAI: Introducing AI Literacy for Middle School Learners with Goal-based Scenario Learning
• Title（参考訳）: ActiveAI: 目標ベースシナリオ学習による中学生向けAIリテラシーの導入
• Authors: Ying Jui Tseng, Gautam Yadav
• Abstract要約: ActiveAIプロジェクトは、小学校7～9年生のAI教育における重要な課題に対処する。 このアプリには、スライダー、ステッパー、コレクタなど、さまざまな学習者インプットが組み込まれており、理解を深めている。 このプロジェクトは、現在実装段階にあり、アプリ開発にインテリジェントなチューター設計原則を活用している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The ActiveAI project addresses key challenges in AI education for grades 7-9 students by providing an engaging AI literacy learning experience based on the AI4K12 knowledge framework. Utilizing learning science mechanisms such as goal-based scenarios, immediate feedback, project-based learning, and intelligent agents, the app incorporates a variety of learner inputs like sliders, steppers, and collectors to enhance understanding. In these courses, students work on real-world scenarios like analyzing sentiment in social media comments. This helps them learn to effectively engage with AI systems and develop their ability to evaluate AI-generated output. The Learning Engineering Process (LEP) guided the project's creation and data instrumentation, focusing on design and impact. The project is currently in the implementation stage, leveraging the intelligent tutor design principles for app development. The extended abstract presents the foundational design and development, with further evaluation and research to be conducted in the future.
• Abstract（参考訳）: ActiveAIプロジェクトは、AI4K12知識フレームワークに基づいたAIリテラシー学習エクスペリエンスを提供することで、7～9年生のAI教育における重要な課題に対処する。 目標ベースのシナリオ、即時フィードバック、プロジェクトベースの学習、インテリジェントエージェントといった学習科学メカニズムを利用することで、スライダー、ステッパー、コレクタといった学習者の入力を取り入れて理解を深める。 これらのコースでは、学生はソーシャルメディアコメントの感情分析のような現実世界のシナリオに取り組んでいる。 これにより、AIシステムへの効果的な関与を学び、AI生成出力を評価する能力を開発することができる。 学習エンジニアリングプロセス(LEP)は、デザインと影響に焦点を当て、プロジェクトの作成とデータインスツルメンテーションをガイドした。 このプロジェクトは現在実装段階にあり、アプリ開発にインテリジェントなチューター設計の原則を活用している。 拡張された抽象概念は、基礎設計と開発を提示し、今後のさらなる評価と研究を行う。

関連論文リスト

• Learning to Code with Context: A Study-Based Approach [0.28675177318965045]
  生成AIツールの急速な出現は、ソフトウェアの開発方法を変えつつある。 プロジェクトベースのコースは、実世界の開発プラクティスへのAIアシストの統合を探求し、評価するための効果的な環境を提供する。 本稿では,学生が共同でコンピュータゲームを開発する大学プログラミングプロジェクトにおいて,本手法とユーザスタディについて述べる。
  論文  参考訳（メタデータ） (2025-12-04T20:40:36Z)
• "I Like That You Have to Poke Around": Instructors on How Experiential Approaches to AI Literacy Spark Inquiry and Critical Thinking [0.5872014229110213]
  本稿では,実世界のシナリオに根ざしたインタラクティブな非コードプロジェクトを通じて,コアAI概念を教えるモジュール型WebベースのカリキュラムであるAI Userの研究成果を紹介する。 コミュニティカレッジのインストラクター15人が、構造化されたフォーカスグループに参加し、学習者としてプロジェクトを完了し、個々のリフレクションやグループディスカッションを通じてフィードバックを提供した。 調査課題に対するインストラクターの評価、ロールベースシミュレーション、実世界の妥当性、さらには多様な学習者に対する認知的負荷、指導、適応性に関する設計上のトレードオフを浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-11-07T17:05:58Z)
• AI & Data Competencies: Scaffolding holistic AI literacy in Higher Education [0.14323566945483493]
  この章では、フレームワークの開発プロセス、構造、実装のための実践的戦略について概説している。 このフレームワークは、学生の総合的なAIリテラシーを開発するためのロードマップを提供することで、学習者が学術的および専門的な文脈において生成的なAI能力を活用できるように準備する。
  論文  参考訳（メタデータ） (2025-10-26T22:56:08Z)
• Look: AI at Work! - Analysing Key Aspects of AI-support at the Work Place [39.146761527401424]
  私たちは、アプリケーションが関心を持っているAIの分野に注目します。 これには、学習ベースのシステムのトレーニングにおける高品質なデータの重要性が含まれる。 心理学的要因の観点から、我々は、AI支援作業システムの開発について調査する研究質問を導出する。
  論文  参考訳（メタデータ） (2025-09-02T12:51:23Z)
• Computational Thinking with Computer Vision: Developing AI Competency in an Introductory Computer Science Course [0.0]
  本稿では,学生がコンピュータビジョンでコンピュータ思考を学ぶための入門的なコンピュータサイエンスコースを紹介する。 このコースは、学生にAIアプローチと社会的意味を暴露する批判的思考結果と共に、計算的思考結果を達成することを目的としている。
  論文  参考訳（メタデータ） (2025-03-24T15:49:37Z)
• From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
  MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。 中国一の大学である清華大学で予備的な実験を行う。
  論文  参考訳（メタデータ） (2024-09-05T13:22:51Z)
• Charting the Future of AI in Project-Based Learning: A Co-Design Exploration with Students [35.05435052195561]
  学習における人工知能(AI)の利用の増加は、学習成果を評価するための新たな課題を提示している。 本稿では,学生のAI活用データの新たな評価材料としての可能性を検討するための共同設計研究を紹介する。
  論文  参考訳（メタデータ） (2024-01-26T14:49:29Z)
• Toward enriched Cognitive Learning with XAI [44.99833362998488]
  本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。 CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
  論文  参考訳（メタデータ） (2023-12-19T16:13:47Z)
• Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
  目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。 GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。 PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-03T12:37:16Z)
• Artificial Intelligence-Enabled Intelligent Assistant for Personalized and Adaptive Learning in Higher Education [0.2812395851874055]
  本稿では,AIIA(Artificial Intelligence-Enabled Intelligent Assistant)という,高等教育におけるパーソナライズおよび適応学習のための新しいフレームワークを提案する。 AIIAシステムは、高度なAIと自然言語処理(NLP)技術を活用して、対話的で魅力的な学習プラットフォームを構築する。
  論文  参考訳（メタデータ） (2023-09-19T19:31:15Z)
• AGI: Artificial General Intelligence for Education [41.45039606933712]
  本稿では,人工知能(AGI)の重要な概念,能力,範囲,将来的な教育の可能性について概説する。 AGIは知的学習システム、教育評価、評価手順を大幅に改善することができる。 この論文は、AGIの能力が人間の感情や社会的相互作用を理解することに拡張されていることを強調している。
  論文  参考訳（メタデータ） (2023-04-24T22:31:59Z)
• 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)
• Towards Systems Education for Artificial Intelligence: A Course Practice in Intelligent Computing Architectures [6.440694188229122]
  このコースは、FPGAプラットフォーム上でAIアクセラレータを設計する学生に教えることを目的としている。 講座内容は講義ノート及び関連技術資料を含む。 いくつかの教育経験と効果が議論され、将来の可能性も議論されている。
  論文  参考訳（メタデータ） (2022-06-22T11:48:04Z)
• 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)
• The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
  MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。 Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。 これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
  論文  参考訳（メタデータ） (2021-07-05T12:18:17Z)
• 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)
• AI from concrete to abstract: demystifying artificial intelligence to the general public [0.0]
  本稿では,コンクリートから抽象的(AIcon2abs)への新たな方法論,AIについて述べる。 主な戦略は、人工知能のデミスティフィケーションを促進することである。 WiSARDの軽量化により、トレーニングタスクと分類タスクの視覚化と理解が容易になる。
  論文  参考訳（メタデータ） (2020-06-07T01:14:06Z)

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。