論文の概要: Generative AI in the Classroom: Can Students Remain Active Learners?
- arxiv url: http://arxiv.org/abs/2310.03192v2
- Date: Fri, 10 Nov 2023 18:22:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-13 17:41:16.343912
- 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(英語版) (GAI) は教育における二重の武器と見なすことができる。
本稿では,学生の積極的学習戦略と関連するメタ認知能力に及ぼす効果に焦点を当てる。
GAIベースの教育アプリケーションに教育的透明性を導入するための枠組みを提案する。
- 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) can be seen as a double-edged weapon
in education. Indeed, it may provide personalized, interactive and empowering
pedagogical sequences that could favor students' intrinsic motivation, active
engagement and help them have more control over their learning. But at the same
time, other GAI properties such as the lack of uncertainty signalling even in
cases of failure (particularly with Large Language Models (LLMs)) could lead to
opposite effects, e.g. over-estimation of one's own competencies, passiveness,
loss of curious and critical-thinking sense, etc.
These negative effects are due in particular to the lack of a pedagogical
stance in these models' behaviors. Indeed, as opposed to standard pedagogical
activities, GAI systems are often designed to answers users' inquiries easily
and conveniently, without asking them to make an effort, and without focusing
on their learning process and/or outcomes.
This article starts by outlining some of these opportunities and challenges
surrounding the use of GAI in education, with a focus on the effects on
students' active learning strategies and related metacognitive skills. Then, we
present a framework for introducing pedagogical transparency in GAI-based
educational applications. This framework presents 1) training methods to
include pedagogical principles in the models, 2) methods to ensure controlled
and pedagogically-relevant interactions when designing activities with GAI and
3) educational methods enabling students to acquire the relevant skills to
properly benefit from the use of GAI in their learning activities
(meta-cognitive skills, GAI litteracy).
- Abstract（参考訳）: 生成型人工知能(gai:generative artificial intelligence)は、教育における二重刃兵器と見なすことができる。
実際に、生徒の本質的なモチベーション、積極的エンゲージメント、学習に対するより制御力を高めるために、パーソナライズされ、対話的で、力強い教育シーケンスを提供するかもしれない。
しかし同時に、失敗例(特にLarge Language Models (LLMs))でさえ不確実性信号の欠如のような他のGAI特性は、自身の能力の過大評価、受動的性、好奇的で批判的な感覚の喪失など、反対の効果をもたらす可能性がある。
これらのネガティブな影響は、特にモデル行動における教育的スタンスが欠如しているためである。
実際、標準的な教育活動とは対照的に、GAIシステムは、学習プロセスや成果に焦点をあてることなく、ユーザの質問に簡単に、便利に答えるように設計されていることが多い。
本稿は,学生のアクティブラーニング戦略と関連するメタ認知能力への影響に着目し,教育におけるガイの利用に関するこれらの機会と課題を概説することから始まる。
そして、GAIベースの教育アプリケーションに教育的透明性を導入するための枠組みを提案する。
この枠組みは
1) モデルに教育原則を含むための訓練方法
2)GAIとの業務設計における制御・教育的相互作用の確保方法
3) 学習者の学習活動(メタ認知能力, GAIリテラシー)において, GAIを適切に活用することで, 関連するスキルを習得することができる教育方法。
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。