Fugu-MT 論文翻訳(概要): Bringing Generative AI to Adaptive Learning in Education

論文の概要: Bringing Generative AI to Adaptive Learning in Education

arxiv url: http://arxiv.org/abs/2402.14601v3
Date: Fri, 28 Jun 2024 23:43:07 GMT
ステータス: 処理完了
システム内更新日: 2024-07-02 14:58:55.541820
Title: Bringing Generative AI to Adaptive Learning in Education
Title（参考訳）: 教育における適応学習にジェネレーティブAIを導入する
Authors: Hang Li, Tianlong Xu, Chaoli Zhang, Eason Chen, Jing Liang, Xing Fan, Haoyang Li, Jiliang Tang, Qingsong Wen,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 58.690250000579496
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The recent surge in generative AI technologies, such as large language models and diffusion models, has boosted the development of AI applications in various domains, including science, finance, and education. Concurrently, adaptive learning, a concept that has gained substantial interest in the educational sphere, has proven its efficacy in enhancing students' learning efficiency. In this position paper, we aim to shed light on the intersectional studies of these two methods, which combine generative AI with adaptive learning concepts. By presenting discussions about the benefits, challenges, and potentials in this field, we argue that this union will contribute significantly to the development of the next-stage learning format in education.
Abstract（参考訳）: 大規模言語モデルや拡散モデルなど、最近のジェネレーティブAI技術の急増により、科学、金融、教育など、さまざまな分野におけるAIアプリケーションの開発が加速している。同時に、教育分野に多大な関心を寄せた適応学習は、生徒の学習効率を高める効果を証明している。本稿では,生成AIと適応学習の概念を組み合わせ,これらの2つの手法の交叉研究に光を当てることを目的とする。この分野での利益、課題、ポテンシャルに関する議論をすることで、この連合は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る。

関連論文リスト

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)
AI and personalized learning: bridging the gap with modern educational goals [1.1510009152620668]
OECD Learning Compass 2030の目標を考慮したAI駆動型パーソナライズドラーニングソリューションの特性について検討する。現代のPL技術が現代教育に欠かせない要素を取り入れた地域を特定する。本稿では,人工知能と教師が共用する学習手法を融合したハイブリッドモデルを提案する。
論文参考訳（メタデータ） (2024-04-03T15:07:00Z)
Generative AI Adoption in Classroom in Context of Technology Acceptance Model (TAM) and the Innovation Diffusion Theory (IDT) [1.9659095632676098]
本研究は, 教育者の認知とGenAI, LLMの受容に影響を及ぼす要因を明らかにすることを目的とする。本研究は,GenAIツールの有用性と,その受容性との間に強い正の相関関係があることを明らかにする。使用の容易さが重要な要因として現れたが、それより少なかったため、受け入れに影響が及んだ。
論文参考訳（メタデータ） (2024-03-29T22:41:51Z)
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)
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)
White Paper: The Generative Education (GenEd) Framework [0.0]
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。
論文参考訳（メタデータ） (2023-10-16T23:30:42Z)
A Novel Neural-symbolic System under Statistical Relational Learning [50.747658038910565]
本稿では,GBPGRと呼ばれる2段階の確率的グラフィカル推論フレームワークを提案する。 GBPGRでは、シンボル推論の結果を用いて、ディープラーニングモデルによる予測を洗練し、修正する。提案手法は高い性能を示し, 帰納的タスクと帰納的タスクの両方において効果的な一般化を示す。
論文参考訳（メタデータ） (2023-09-16T09:15:37Z)
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)
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)

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。