論文の概要: Collaborative Learning with Artificial Intelligence Speakers (CLAIS):
Pre-Service Elementary Science Teachers' Responses to the Prototype
- arxiv url: http://arxiv.org/abs/2401.05400v1
- Date: Wed, 20 Dec 2023 01:19:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 08:32:09.570685
- Title: Collaborative Learning with Artificial Intelligence Speakers (CLAIS):
Pre-Service Elementary Science Teachers' Responses to the Prototype
- Title（参考訳）: 人工知能話者との協調学習(clais) : 初等科目教員の試作品に対する反応
- Authors: Gyeong-Geon Lee, Seonyeong Mun, Myeong-Kyeong Shin, and Xiaoming Zhai
- Abstract要約: CLAISシステムは、3、4人の人間の学習者がAIスピーカーに参加して小さなグループを形成し、人間とAIはJigsaw学習プロセスに参加する仲間と見なされるように設計されている。
CLAISシステムは15人の小学校教師による理科教育講習会で成功裏に実装された。
- 参考スコア（独自算出の注目度）: 0.5113447003407372
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This research aims to demonstrate that AI can function not only as a tool for
learning, but also as an intelligent agent with which humans can engage in
collaborative learning (CL) to change epistemic practices in science
classrooms. We adopted a design and development research approach, following
the Analysis, Design, Development, Implementation and Evaluation (ADDIE) model,
to prototype a tangible instructional system called Collaborative Learning with
AI Speakers (CLAIS). The CLAIS system is designed to have 3-4 human learners
join an AI speaker to form a small group, where humans and AI are considered as
peers participating in the Jigsaw learning process. The development was carried
out using the NUGU AI speaker platform. The CLAIS system was successfully
implemented in a Science Education course session with 15 pre-service
elementary science teachers. The participants evaluated the CLAIS system
through mixed methods surveys as teachers, learners, peers, and users.
Quantitative data showed that the participants' Intelligent-Technological,
Pedagogical, And Content Knowledge was significantly increased after the CLAIS
session, the perception of the CLAIS learning experience was positive, the peer
assessment on AI speakers and human peers was different, and the user
experience was ambivalent. Qualitative data showed that the participants
anticipated future changes in the epistemic process in science classrooms,
while acknowledging technical issues such as speech recognition performance and
response latency. This study highlights the potential of Human-AI Collaboration
for knowledge co-construction in authentic classroom settings and exemplify how
AI could shape the future landscape of epistemic practices in the classroom.
- Abstract（参考訳）: この研究は、AIが学習のツールとしてだけでなく、人間が科学教室で疫学の実践を変えるために協調学習(CL)に参加するインテリジェントエージェントとしても機能することを実証することを目的としている。
我々は、Analytic, Design, Development, Implementation and Evaluation (ADDIE)モデルに従い、AIスピーカーを用いた協調学習(CLAIS)と呼ばれる有形教育システムの試作に設計・開発研究アプローチを採用した。
CLAISシステムは、3、4人の人間の学習者がAIスピーカーに参加して小さなグループを形成し、人間とAIはJigsaw学習プロセスに参加する仲間と見なされるように設計されている。
開発は、NUGU AIスピーカープラットフォームを使用して行われた。
CLAISシステムは,15人の小学校教員による理科教育講習会で実施された。
CLAISシステムの評価は,教師,学習者,友人,ユーザといった混合手法を用いて行った。
定量的データは,CLAISセッションの後に参加者の知能・技術・教育・コンテンツ知識が有意に向上し,CLAIS学習経験の認知は肯定的であり,AI話者と人間ピアのピアアセスメントは異なっており,ユーザエクスペリエンスは曖昧であった。
質的データから,科学教室における認識過程の今後の変化を予測し,音声認識性能や応答遅延などの技術的課題を認めた。
本研究は,真正な教室環境における知識共構築のための人間とAIのコラボレーションの可能性を強調し,教室における先天的な実践の将来の景観をAIがどう形成するかを実証する。
関連論文リスト
- Battling Botpoop using GenAI for Higher Education: A Study of a Retrieval Augmented Generation Chatbots Impact on Learning [0.0]
本研究で紹介されるLeodar教授は、カスタムメイドのSinglish- speak Retrieval Augmented Generation (RAG)である。
Leodar教授は、AI支援学習の未来を垣間見るとともに、パーソナライズされたガイダンス、24/7の可用性、コンテキストに関連する情報を提供している。
論文 参考訳（メタデータ） (2024-06-12T01:19:36Z) - Implementing Learning Principles with a Personal AI Tutor: A Case Study [2.94944680995069]
本研究は,人間の学習過程をモデル化し,学術的性能を効果的に向上するパーソナルAIチューターの能力を示す。
プログラムにAIチューターを統合することで、教育者は、学習科学の原則に基づくパーソナライズされた学習体験を学生に提供することができる。
論文 参考訳（メタデータ） (2023-09-10T15:35:47Z) - ActiveAI: Introducing AI Literacy for Middle School Learners with
Goal-based Scenario Learning [0.0]
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。
論文 参考訳（メタデータ） (2023-08-21T11:43:43Z) - 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) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳（メタデータ） (2023-04-30T22:51:31Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - 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) - Designing for human-AI complementarity in K-12 education [2.741266294612776]
教師がAI支援教室で生徒を助けるのに役立つスマートグラス「ルミロ」の反復設計と評価を紹介します。
K-12教室で実施したフィールドスタディの結果,教師とAI教師が協力して働くと,学生がより多くを学ぶことが示唆された。
論文 参考訳（メタデータ） (2021-04-02T22:38:50Z) - 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) - 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) - Explainable Active Learning (XAL): An Empirical Study of How Local
Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。
本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文 参考訳（メタデータ） (2020-01-24T22:52:18Z)
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。