論文の概要: From Guidelines to Governance: A Study of AI Policies in Education
- arxiv url: http://arxiv.org/abs/2403.15601v1
- Date: Fri, 22 Mar 2024 20:07:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 21:51:43.656574
- Title: From Guidelines to Governance: A Study of AI Policies in Education
- Title(参考訳): ガイドラインからガバナンスへ:教育におけるAI政策の研究
- Authors: Aashish Ghimire, John Edwards,
- Abstract要約: 本研究は,新興技術に関する政策状況を調べるための調査手法を用いている。
ほとんどの機関は、ChatGPTのようなAIツールの倫理的展開のための特別なガイドラインを欠いている。
高校は高等教育機関よりも政策に取り組む傾向が低い。
- 参考スコア(独自算出の注目度): 1.9659095632676098
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Emerging technologies like generative AI tools, including ChatGPT, are increasingly utilized in educational settings, offering innovative approaches to learning while simultaneously posing new challenges. This study employs a survey methodology to examine the policy landscape concerning these technologies, drawing insights from 102 high school principals and higher education provosts. Our results reveal a prominent policy gap: the majority of institutions lack specialized guide-lines for the ethical deployment of AI tools such as ChatGPT. Moreover,we observed that high schools are less inclined to work on policies than higher educational institutions. Where such policies do exist, they often overlook crucial issues, including student privacy and algorithmic transparency. Administrators overwhelmingly recognize the necessity of these policies, primarily to safeguard student safety and mitigate plagiarism risks. Our findings underscore the urgent need for flexible and iterative policy frameworks in educational contexts.
- Abstract(参考訳): ChatGPTなどのジェネレーティブAIツールのような新興技術は、教育現場でますます利用され、新しい課題を同時に生み出すと同時に、学習に対する革新的なアプローチを提供している。
本研究は、これらの技術に関する政策状況を調査する調査手法を用いて、102人の高校校長と高等教育推進者から洞察を得た。
機関の大半は、ChatGPTのようなAIツールの倫理的展開のための特別なガイドラインを欠いている。
さらに,高等学校は高等教育機関よりも政策にこだわる傾向が低かった。
このようなポリシーが存在する場合、学生のプライバシーやアルゴリズムの透明性など、重要な問題を見落としてしまうことが多い。
管理者はこれらの政策の必要性を圧倒的に認識し、主に学生の安全を守り、盗作のリスクを軽減する。
本研究は,教育現場におけるフレキシブルかつ反復的な政策枠組みの必要性を浮き彫りにするものである。
関連論文リスト
- Generative AI in Higher Education: Seeing ChatGPT Through Universities'
Policies, Resources, and Guidelines [12.531145577245988]
本研究は、高等教育におけるChatGPTの利用に関して、上位の米国大学が確立した学術的方針とガイドラインを分析した。
その結果、これらの大学の大部分は、GenAIの統合に向けて、オープンだが慎重なアプローチを採用していることが明らかとなった。
発見は、政策立案における教育者に2つの提案を提供する: 規律固有の方針を確立し、機密情報を慎重に管理する。
論文 参考訳(メタデータ) (2023-12-08T18:33:11Z) - Regulation and NLP (RegNLP): Taming Large Language Models [51.41095330188972]
我々は,NLP研究が規制研究や隣接分野に近接することのメリットを論じる。
我々は、規制とNLPに関する新しい多分野研究空間の開発を提唱する。
論文 参考訳(メタデータ) (2023-10-09T09:22:40Z) - Representation-Driven Reinforcement Learning [57.44609759155611]
強化学習のための表現駆動型フレームワークを提案する。
期待値の見積もりとしてポリシーを表現することにより、我々は、探索と搾取を導くために、文脈的盗賊の手法を活用する。
このフレームワークの有効性を,進化的および政策的勾配に基づくアプローチに適用することによって実証する。
論文 参考訳(メタデータ) (2023-05-31T14:59:12Z) - New Era of Artificial Intelligence in Education: Towards a Sustainable
Multifaceted Revolution [2.94944680995069]
標準化された学術試験におけるChatGPTのハイパフォーマンスは、人工知能(AI)のトピックを、教育の将来に関する主流の議論に押し付けている。
本研究の目的は、応用、利点、課題の3つの主要な軸にまたがる既存の文献のレビューと分析を通じて、AIが教育に与える影響について調査することである。
論文 参考訳(メタデータ) (2023-05-12T08:22:54Z) - A Comprehensive AI Policy Education Framework for University Teaching
and Learning [0.0]
本研究は,テキスト生成型AI技術の認識と意義を検証し,高等教育のためのAI教育政策を開発することを目的とする。
香港の大学では457人の学生と180人の教師とスタッフからデータを収集した。
本研究は,大学教育と学習におけるAI統合の多面的意味に対処する,AIエコロジー教育政策フレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-29T15:35:39Z) - Towards A Unified Policy Abstraction Theory and Representation Learning
Approach in Markov Decision Processes [39.94472154078338]
本稿では,異なるレベルでの政策特徴に関連する3種類の政策抽象化を含む統一的な政策抽象化理論を提案する。
そして、それらを3つの政策指標に一般化し、政策の距離(すなわち類似性)を定量化する。
実証実験では,政策の差異を識別し,政策の一般化を伝達する上で,提案した政策指標と表現の有効性について検討する。
論文 参考訳(メタデータ) (2022-09-16T03:41:50Z) - Security policy audits: why and how [8.263685033627668]
本経験報告では,一連のセキュリティポリシ監査について述べる。
それは、低技術攻撃者が悪用できる数十億のユーザーに影響を与えるポリシー上の欠陥を露呈する。
代わりに、ソリューションはポリシーベースである必要があります。
論文 参考訳(メタデータ) (2022-07-22T19:27:18Z) - SAFER: Data-Efficient and Safe Reinforcement Learning via Skill
Acquisition [59.94644674087599]
安全制約下での複雑な制御タスクにおけるポリシー学習を高速化するアルゴリズムであるSAFEty skill pRiors (SAFER)を提案する。
オフラインデータセットでの原則的なトレーニングを通じて、SAFERは安全なプリミティブスキルの抽出を学ぶ。
推論段階では、SAFERで訓練されたポリシーは、安全なスキルを成功のポリシーに組み込むことを学ぶ。
論文 参考訳(メタデータ) (2022-02-10T05:43:41Z) - Goal-Conditioned Reinforcement Learning with Imagined Subgoals [89.67840168694259]
我々は、複雑なタスクの学習を容易にするために、想像上のサブゴールをポリシー学習に組み込むことを提案する。
想像上のサブゴールは、政策と批判を同時に訓練する独立したハイレベルな政策によって予測される。
複雑なロボットナビゲーションと操作タスクに対する我々のアプローチを評価し、既存の手法よりも大きなマージンで優れていることを示す。
論文 参考訳(メタデータ) (2021-07-01T15:30:59Z) - Policy Evaluation Networks [50.53250641051648]
我々は,簡潔な埋め込みにおいて重要なポリシー情報を保持できる,スケーラブルで差別化可能なフィンガープリント機構を導入する。
実験の結果、これらの3つの要素を組み合わせることで、トレーニングデータを生成するものよりも優れたポリシーを作成できることが示された。
論文 参考訳(メタデータ) (2020-02-26T23:00:27Z) - Preventing Imitation Learning with Adversarial Policy Ensembles [79.81807680370677]
模倣学習は、政策プライバシに関する問題を引き起こす専門家を観察することで、ポリシーを再現することができる。
プロプライエタリなポリシーをクローンする外部オブザーバに対して、どうすれば保護できるのか?
新しい強化学習フレームワークを導入し、準最適政策のアンサンブルを訓練する。
論文 参考訳(メタデータ) (2020-01-31T01:57:16Z)
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。