論文の概要: Generative AI in the Classroom: Can Students Remain Active Learners?
- arxiv url: http://arxiv.org/abs/2310.03192v1
- Date: Wed, 4 Oct 2023 22:33:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-06 20:11:35.054948
- Title: Generative AI in the Classroom: Can Students Remain Active Learners?
- Title（参考訳）: 教室におけるジェネレーティブAI:学生はアクティブラーニングを継続できるか?
- Authors: Rania Abdelghani, H\'el\`ene Sauz\'eon and Pierre-Yves Oudeyer
- Abstract要約: ジェネレーティブ・人工知能(GAI)は、様々な教育的課題に対処する上で大きな可能性を秘めている。
本稿では, GAI を形式的教育活動に用いた場合, 学生が学習をコントロールできないような機会と課題を明らかにすることを提案する。
- 参考スコア（独自算出の注目度）: 23.487653534242092
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Generative Artificial Intelligence (GAI) has high potential to help address a
diversity of educational challenges. In principle, GAI could facilitate the
implementation of interactive and empowering pedagogical activities to
complement the standard teaching strategies and favor students active
engagement, understanding and control over their learning processes. These
dimensions are indeed fundamental for a better learning experience and
longer-lasting cognitive outcomes. However, several characteristics of the
interactions with GAI such as continuous confidence in the generated answers,
and the lack of pedagogical stance in their behavior may lead students to poor
states of control over learning (e.g. over-reliance on pre-generated content,
over-estimation of one's own knowledge, loss of curious and critical-thinking
sense, etc).
The fine line between the two settings seems to lie in how this technology is
used to carry out the pedagogical activities (e.g. types of interactions
allowed, level of controllability by students, level of involvement of
educators, etc) as well as to what extent students have the relevant skills
(cognitive, metacognitive and GAI literacy) that allow them to correctly
evaluate, analyze and interpret the system behaviors.
In this context, this article proposes to identify some of the opportunities
and challenges that could arise wrt students control over their learning when
using GAI during formal pedagogical activities. In a second step, we also
discuss the types of trainings that could be relevant to offer students in
order to provide them with the appropriate set of skills that can help them use
GAI in informed ways, when pursuing a given learning goal.
- Abstract（参考訳）: ジェネレーティブ・人工知能(GAI)は、様々な教育的課題に対処する上で大きな可能性を秘めている。
原則として、GAIは教育活動のインタラクティブ化と強化を促進させ、標準的な教育戦略を補完し、生徒の積極的エンゲージメント、理解、学習過程の制御を奨励することができる。
これらの次元は確かに、より良い学習経験と長期間続く認知的な結果に基礎を置いています。
しかし、GAIとの相互作用の特徴として、生成した回答に対する継続的な信頼感や、その行動における教育的姿勢の欠如が、学習に対する制御の貧弱な状態(例えば、事前生成コンテンツへの過度な信頼、自己の知識の過度な評価、好奇心と批判的思考的感覚の喪失など)に繋がる可能性がある。
この2つの設定の微妙な違いは、この技術が教育的活動(例えば、生徒による制御のレベル、教育者の関与のレベルなど)の実施にどのように使われているか、そして学生がシステム行動の正しく評価、分析、解釈できる関連するスキル(認知的、メタ認知的、GAIリテラシー)をどの程度持っているかに関係しているようである。
本稿では, GAI を形式的教育活動に用いた場合, 学生が学習をコントロールできないような機会と課題を明らかにすることを提案する。
第2のステップでは,学習目標を追求する際に,学習者に対して適切なスキルセットを提供することを目的として,学習者に提供することのできるトレーニングの種類についても論じる。
関連論文リスト
- Guiding Empowerment Model: Liberating Neurodiversity in Online Higher Education [2.703906279696349]
本稿では,学習と機能に影響を与える動的要因のスペクトルを同定することにより,ニューロディバージェントと状況に制約のある学習者の公平なギャップを解消する。
本稿では,タスク管理のカスタマイズ,多様なコンテンツアクセスのガイド,マルチモーダルコラボレーションのガイドなどにより,このモードを適用することで,主要な学習障壁を取り除くことを提案する。
論文 参考訳（メタデータ） (2024-10-24T16:05:38Z) - LLM-based Cognitive Models of Students with Misconceptions [55.29525439159345]
本稿では,この2つの要件を満たすためにLLM(Large Language Models)を命令調整できるかどうかを検討する。
真正な学生ソリューションパターンを反映したデータセットを生成する新しいPythonライブラリであるMalAlgoPyを紹介する。
我々の洞察は、AIに基づく学生モデルの理解を高め、効果的な適応学習システムへの道を開く。
論文 参考訳（メタデータ） (2024-10-16T06:51:09Z) - Investigating the Pre-Training Dynamics of In-Context Learning: Task Recognition vs. Task Learning [99.05401042153214]
In-context Learning(ICL)は、タスク認識(TR)とタスク学習(TL)の2つの主要な能力に起因する可能性がある。
ICLの出現の事前学習のダイナミクスを調べることで、第一歩を踏み出す。
そこで本研究では,この2つの機能を推論時によりよく統合するための,シンプルで効果的な手法を提案する。
論文 参考訳（メタデータ） (2024-06-20T06:37:47Z) - The Potential and Implications of Generative AI on HCI Education [10.557784268438779]
ジェネレーティブAI(GAI)は、さまざまな分野や分野において、直接的または間接的に教育と学習に影響を与える。
生成型AIを10週間の学部モジュールに組み込むことで得られた,教育的知見を報告する。
論文 参考訳（メタデータ） (2024-05-08T15:46:31Z) - Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。
本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。
ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
論文 参考訳（メタデータ） (2024-03-05T09:09:15Z) - Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
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だろうと論じている。
論文 参考訳（メタデータ） (2024-02-02T23:54:51Z) - Bridging Declarative, Procedural, and Conditional Metacognitive
Knowledge Gap Using Deep Reinforcement Learning [7.253181280137071]
帰納的ドメインでは、昇順のメタ認知的知識タイプは宣言的、手続き的、条件的学習である。
この研究は、3つの知識タイプ間のギャップを埋めるために適応的なメタ認知的介入を提供するために、Deep Reinforcement Learning (DRL)を活用する。
以上の結果から,DRLは両ITSにおいて,学生間のメタ認知的知識ギャップを橋渡しし,学習能力を大幅に向上させた。
論文 参考訳（メタデータ） (2023-04-23T20:07:07Z) - Leveraging Deep Reinforcement Learning for Metacognitive Interventions
across Intelligent Tutoring Systems [7.253181280137071]
本研究は,知能学習システム(ITS)におけるメタ認知的介入を実現するための2つのアプローチを比較する。
実験1では,古典的な人工知能を用いて,生徒を異なるメタ認知グループに分類し,分類されたグループに基づいて静的な介入を行う。
Exp.2では,Deep Reinforcement Learning(DRL)を利用して,生徒のメタ認知レベルの変化を考慮した適応的介入を行った。
論文 参考訳（メタデータ） (2023-04-17T12:10:50Z) - A Machine Learning system to monitor student progress in educational
institutes [0.0]
本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。
信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
論文 参考訳（メタデータ） (2022-11-02T08:24:08Z) - Behavior Priors for Efficient Reinforcement Learning [97.81587970962232]
本稿では,情報とアーキテクチャの制約を,確率論的モデリング文献のアイデアと組み合わせて行動の事前学習を行う方法について考察する。
このような潜伏変数の定式化が階層的強化学習(HRL)と相互情報と好奇心に基づく目的との関係について論じる。
シミュレーションされた連続制御領域に適用することで,フレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2020-10-27T13:17:18Z) - Dual Policy Distillation [58.43610940026261]
教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。
本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。
この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
論文 参考訳（メタデータ） (2020-06-07T06:49:47Z)
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。