論文の概要: Rapid Virtual Simulations: Achieving 'Satisficing Learning Impact' with 'Realistic-Enough' Activities in Health Science Education

• arxiv url: http://arxiv.org/abs/2407.05179v1
• Date: Mon, 22 Apr 2024 10:03:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 14:29:03.386666
• Title: Rapid Virtual Simulations: Achieving 'Satisficing Learning Impact' with 'Realistic-Enough' Activities in Health Science Education
• Title（参考訳）: ラピッド・バーチャル・シミュレーション:健康科学教育における「リアル・エナフ」活動による「満足度学習効果」の達成
• Authors: Emmanuel G. Blanchard, Jeffrey Wiseman,
• Abstract要約: この原稿は、バーチャル教育シミュレーションを作成するための専門家の自主性を促進する新しい技術教育活動であるRapid Virtual Simulationsの概念を紹介している。 それは、最小の複雑なシミュレーションの開発を追求しつつ、満足度(あるいは十分十分な)学習インパクトを確実にするリアル・エナフ哲学に基礎を置いている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This manuscript introduces the concept of Rapid Virtual Simulations, a new techno-pedagogical activity that fosters expert autonomy for creating virtual educational simulations. It is grounded in a Realistic-Enough Philosophy that consists of pursuing the development of the least complex simulation while still ensuring a Satisficing (or good enough) Learning Impact. It also introduces the concept of a Rapid Virtual Simulation Ecosystem as an integrated set of technological modules that facilitates the work of health professional educators while multiplying educational affordances for learners. Finally, this manuscript presents an argument for technological agility and simplicity as key guiding principles for the design of future simulation-based educational systems.
• Abstract（参考訳）: この原稿は、バーチャル教育シミュレーションを作成するための専門家の自主性を促進する新しい技術教育活動であるRapid Virtual Simulationsの概念を紹介している。 それは、最小の複雑なシミュレーションの開発を追求しつつ、満足度(あるいは十分十分な)学習インパクトを確実にするリアル・エナフ哲学に基礎を置いている。 また、ラピッド・バーチャル・シミュレーション・エコシステム(Rapid Virtual Simulation Ecosystem)という概念を導入し、学習者のための教育費を掛け合わせながら、医療専門家の作業を容易にする一連の技術モジュールを導入している。 最後に、この写本は、将来のシミュレーションベースの教育システムの設計の鍵となる指針として、技術的アジリティとシンプルさの議論を提示している。

関連論文リスト

• AI Agents and Education: Simulated Practice at Scale [0.0]
  本稿では,適応型教育シミュレーション作成における生成AIの可能性について検討する。 複数のAIエージェントのシステムを活用することで、シミュレーションはパーソナライズされた学習体験を提供することができる。 我々は、AIの教育提供能力を示すベンチャーキャピタルピッチシミュレータであるPitchQuestのプロトタイプについて説明する。
  論文  参考訳（メタデータ） (2024-06-20T05:26:04Z)
• DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
  シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。 本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。 本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
  論文  参考訳（メタデータ） (2024-06-04T04:53:05Z)
• LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
  本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。 本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。 法発見と分子設計における枠組みの有効性を実証するための実験を行った。
  論文  参考訳（メタデータ） (2024-05-16T03:04:10Z)
• Reward Function Design for Crowd Simulation via Reinforcement Learning [12.449513548800466]
  強化学習は仮想的な群集をシミュレートする大きな可能性を示しているが、報酬関数の設計は効率的かつ効率的な結果を達成するために重要である。 本研究では, 特定の報酬関数の妥当性を解析的特性に応じて理論的に把握し, 様々なシナリオを用いて実証的に評価する。 本研究は,新しい群集シミュレーション技術の発展に寄与し,人間のようなナビゲーションの幅広い研究に寄与する。
  論文  参考訳（メタデータ） (2023-09-22T12:55:30Z)
• Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
  本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。 我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
  論文  参考訳（メタデータ） (2023-05-21T03:51:03Z)
• Learning Human-to-Robot Handovers from Point Clouds [63.18127198174958]
  視覚に基づく人間ロボットハンドオーバの制御ポリシーを学習する最初のフレームワークを提案する。 シミュレーションベンチマーク,sim-to-sim転送,sim-to-real転送において,ベースラインよりも大きな性能向上を示した。
  論文  参考訳（メタデータ） (2023-03-30T17:58:36Z)
• Thermodynamics-informed neural networks for physically realistic mixed reality [0.09332987715848712]
  本稿では, リアルタイムユーザインタラクションによって誘導される変形可能な物体の動的応答を, 深層学習を用いて計算する手法を提案する。 この手法のグラフベースのアーキテクチャは,予測の熱力学的一貫性を保証する一方,可視化パイプラインは自然でリアルなユーザエクスペリエンスを実現する。
  論文  参考訳（メタデータ） (2022-10-24T17:30:08Z)
• Virtual Reality based Digital Twin System for remote laboratories and online practical learning [0.08431877864777444]
  バーチャルリアリティ(VR)やタブレットベースのソリューションのような、リモート学習と仮想学習アプリケーションが必要である。 電気実験室チュートリアルのための仮想学習アプリケーションの作成を記述したケーススタディを提示する。
  論文  参考訳（メタデータ） (2021-06-17T09:38:24Z)
• Integrating Machine Learning with HPC-driven Simulations for Enhanced Student Learning [0.0]
  シミュレーション出力を生成するためのHPC駆動型シミュレーションとMLサロゲート手法の両方をサポートするWebアプリケーションを開発した。 授業内フィードバックと調査を通じて評価した結果,ML強化ツールは動的かつ応答性のあるシミュレーション環境を提供することがわかった。
  論文  参考訳（メタデータ） (2020-08-24T22:48:21Z)
• Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial Observability in Visual Navigation [62.22058066456076]
  強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。 RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。 本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:46:59Z)
• RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
  インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。 シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
  論文  参考訳（メタデータ） (2020-04-14T20:52:49Z)

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。