論文の概要: White Paper: The Generative Education (GenEd) Framework

• arxiv url: http://arxiv.org/abs/2311.10732v2
• Date: Wed, 22 Nov 2023 16:07:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 17:46:44.682226
• Title: White Paper: The Generative Education (GenEd) Framework
• Title（参考訳）: 白書:生成教育(GenEd)フレームワーク
• Authors: Daniel Leiker
• Abstract要約: Generative Education(GenEd)フレームワークは、教育におけるLarge Language Models(LLM)からLarge Multimodal Models(LMM)への移行を探求する。 本稿では,パーソナライズ,対話的,感情的な学習環境を構築するためのLMMの可能性について考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Generative Education (GenEd) Framework explores the transition from Large Language Models (LLMs) to Large Multimodal Models (LMMs) in education, envisioning a harmonious relationship between AI and educators to enhance learning experiences. This paper delves into the potential of LMMs to create personalized, interactive, and emotionally-aware learning environments. Through addressing the Two-Sigma problem and the introduction of a conceptual product named Harmony, the narrative emphasizes educator development, adapting policy frameworks, and fostering cross-sector collaboration to realize the envisioned AI-enhanced education landscape. The discussion underscores the urgency for proactive adaptation amidst AI's evolution, offering a pragmatic roadmap to navigate the technical, ethical, and policy intricacies of integrating AI in education.
• Abstract（参考訳）: ジェネレーティブ教育(GenEd)フレームワークは、教育における言語モデル(LLM)からLMM(Large Multimodal Model)への移行を探求し、学習経験を高めるためにAIと教育者との調和関係を想定している。 本稿では,パーソナライズ,対話的,感情的な学習環境を構築するためのLMMの可能性について考察する。 Two-Sigma問題への対処とHarmonyという概念的プロダクトの導入を通じて、この物語は教育者の開発、政策フレームワークの適応、そして、AIに強化された教育の展望を実現するためにクロスセクタ間のコラボレーションを促進することを強調する。 この議論は、AIの進化の中で積極的に適応するための緊急性を強調し、AIを教育に組み込むという技術的、倫理的、政策的な複雑さをナビゲートするための実践的なロードマップを提供する。

関連論文リスト

• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [54.247747237176625]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• Policy Learning with a Language Bottleneck [65.99843627646018]
  PLLBB(Policy Learning with a Language Bottleneck)は、AIエージェントが言語規則を生成するためのフレームワークである。 PLLBBは、言語モデルによってガイドされるルール生成ステップと、エージェントがルールによってガイドされる新しいポリシーを学ぶ更新ステップとを交互に使用する。 2人のプレイヤーによるコミュニケーションゲーム、迷路解決タスク、および2つの画像再構成タスクにおいて、PLLBBエージェントはより解釈可能で一般化可能な振る舞いを学習できるだけでなく、学習したルールを人間のユーザと共有できることを示す。
  論文  参考訳（メタデータ） (2024-05-07T08:40:21Z)
• Large Language Models for Education: A Survey and Outlook [69.02214694865229]
  各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。 本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
  論文  参考訳（メタデータ） (2024-03-26T21:04:29Z)
• From Algorithm Worship to the Art of Human Learning: Insights from 50-year journey of AI in Education [0.0]
  人工知能(AI)を取り巻く現在の談話は、希望と理解の間に振動する。 本稿は、AIが教育において果たす役割の複雑さを考察し、教育者と警告された教育者が混ざったメッセージに対処するものである。 倫理的意味に関する懸念を背景に、AIが大規模にパーソナライゼーションを通じて学習を強化するという約束を探求する。
  論文  参考訳（メタデータ） (2024-02-05T16:12:14Z)
• 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)
• Generative AI and Its Educational Implications [0.0]
  生成AIが4つの重要なセクションにわたる教育に与える影響について論じる。 我々は、生成型AIが教育の景観を変える方法を提案する。 社会的影響を認め,カリキュラムの更新の必要性を強調した。
  論文  参考訳（メタデータ） (2023-12-26T21:29:31Z)
• 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)
• Using Curriculum Theory to Inform Approaches to Generative AI in Schools [0.0]
  この研究は、ジェネレーティブAIとエリオット・アイズナーの明示的で暗黙的でヌルなカリキュラム概念の多面的関係を説明している。 それは、AI検出器の信頼性のような論理的および倫理的課題を精査し、教育者がこの生まれたばかりの技術を長年のカリキュラム構造に同化しようとするときに直面する。
  論文  参考訳（メタデータ） (2023-09-07T05:38:36Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• 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)

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。