論文の概要: Reconciling Different Theories of Learning with an Agent-based Model of Procedural Learning

• arxiv url: http://arxiv.org/abs/2408.13364v1
• Date: Fri, 23 Aug 2024 20:45:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-27 19:49:09.649806
• Title: Reconciling Different Theories of Learning with an Agent-based Model of Procedural Learning
• Title（参考訳）: 手続き型学習モデルを用いた学習の異なる理論の再検討
• Authors: Sina Rismanchian, Shayan Doroudi,
• Abstract要約: 我々は、手続き的知識を学習するためのICAP、知識学習指導、認知的負荷理論フレームワークを再構築する、手続き的ABICAPという新しい人間の学習の計算モデルを提案する。 ICAPは、建設的学習は一般的により良い学習結果をもたらすと仮定するが、KLIやCLTのような理論は、これは必ずしも真実ではないと主張している。
• 参考スコア（独自算出の注目度）: 0.27624021966289597
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational models of human learning can play a significant role in enhancing our knowledge about nuances in theoretical and qualitative learning theories and frameworks. There are many existing frameworks in educational settings that have shown to be verified using empirical studies, but at times we find these theories make conflicting claims or recommendations for instruction. In this study, we propose a new computational model of human learning, Procedural ABICAP, that reconciles the ICAP, Knowledge-Learning-Instruction (KLI), and cognitive load theory (CLT) frameworks for learning procedural knowledge. ICAP assumes that constructive learning generally yields better learning outcomes, while theories such as KLI and CLT claim that this is not always true. We suppose that one reason for this may be that ICAP is primarily used for conceptual learning and is underspecified as a framework for thinking about procedural learning. We show how our computational model, both by design and through simulations, can be used to reconcile different results in the literature. More generally, we position our computational model as an executable theory of learning that can be used to simulate various educational settings.
• Abstract（参考訳）: 人間の学習の計算モデルは、理論的および定性的な学習理論やフレームワークにおけるニュアンスに関する知識を高める上で重要な役割を果たす。 実証的な研究によって検証できることが示されている教育環境には、既存のフレームワークが数多く存在するが、これらの理論が矛盾する主張や指導の勧告を行う場合もある。 そこで本研究では,ICAP,知識学習指導(KLI),認知負荷理論(CLT)を融合した,手続き型ABICAP(Procedural ABICAP)の新たな計算モデルを提案する。 ICAPは、建設的学習は一般的により良い学習結果をもたらすと仮定するが、KLIやCLTのような理論は、これは必ずしも真実ではないと主張している。 この理由の1つは、ICAPが主に概念学習に使われており、手続き学習を考えるための枠組みとして過小評価されているためと考えられる。 文献の異なる結果を再現するために,我々の計算モデルが,設計とシミュレーションの両方でどのように利用できるかを示す。 より一般的には、我々の計算モデルを様々な教育環境をシミュレートするために使用できる学習の実行可能な理論として位置づける。

関連論文リスト

• Chain-of-Knowledge: Integrating Knowledge Reasoning into Large Language Models by Learning from Knowledge Graphs [55.317267269115845]
  Chain-of-Knowledge (CoK)は知識推論のための包括的なフレームワークである。 CoKにはデータセット構築とモデル学習の両方のための方法論が含まれている。 KnowReasonで広範な実験を行う。
  論文  参考訳（メタデータ） (2024-06-30T10:49:32Z)
• Learning Beyond Pattern Matching? Assaying Mathematical Understanding in LLMs [58.09253149867228]
  本稿では,LLMのドメイン知識を,問題解決に必要な数学的スキルの理解を通じて評価する。 汎用科学アシスタントとしてLLMを用いることで, LLMの確率分布の変化を評価するためにtextitNTKEvalを提案する。 系統的な分析では、文脈内学習中にドメイン理解の証拠が見つかる。 ある命令チューニングは、異なるデータでのトレーニングに関係なく、同様のパフォーマンス変化をもたらし、異なるスキルに対するドメイン理解の欠如を示唆している。
  論文  参考訳（メタデータ） (2024-05-24T12:04:54Z)
• More Flexible PAC-Bayesian Meta-Learning by Learning Learning Algorithms [15.621144215664769]
  PAC-Bayesian理論を用いたメタラーニング手法の研究のための新しいフレームワークを提案する。 私たちの大きな利点は、タスク間の知識の伝達を実現する方法において、柔軟性を高めることです。
  論文  参考訳（メタデータ） (2024-02-06T15:00:08Z)
• Meta-Learned Models of Cognition [11.488249464936422]
  メタラーニングは、環境との反復的な相互作用を通じてアルゴリズムを学ぶためのフレームワークである。 本稿では,メタ学習型認知モデルを中心としたコヒーレントな研究プログラムを確立することを目的とする。
  論文  参考訳（メタデータ） (2023-04-12T16:30:51Z)
• Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
  我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。 知識の抽出と知識の記憶という2つの側面から問題に取り組む。 提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
  論文  参考訳（メタデータ） (2022-08-27T09:27:36Z)
• Decomposed Inductive Procedure Learning [2.421459418045937]
  我々は、分解帰納的手続き学習(DIPL)の理論を定式化する。 DIPLは、教育的に関係のあるタスクを学習するエージェントを構築するために、様々な形の帰納的シンボリックラーニングがどのように使用できるかを概説している。 人間の学習能力を示すエージェントをDIPLで作成できることを実証する。
  論文  参考訳（メタデータ） (2021-10-25T19:36:03Z)
• Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
  本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。 また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
  論文  参考訳（メタデータ） (2021-08-17T17:44:38Z)
• RLTutor: Reinforcement Learning Based Adaptive Tutoring System by Modeling Virtual Student with Fewer Interactions [10.34673089426247]
  本稿では,学生の仮想モデルを構築し,指導戦略を最適化する枠組みを提案する。 この結果は,eラーニングシステムにおける理論的指導最適化と実践的応用のバッファとして機能する。
  論文  参考訳（メタデータ） (2021-07-31T15:42:03Z)
• Interpretable Reinforcement Learning Inspired by Piaget's Theory of Cognitive Development [1.7778609937758327]
  本稿では,思考の言語(LOTH)やスクリプト理論,ピアジェの認知発達理論などの理論が相補的なアプローチを提供するという考えを楽しませる。 提案するフレームワークは,人工知能システムにおいて,人間のような認知を実現するためのステップとみなすことができる。
  論文  参考訳（メタデータ） (2021-02-01T00:29:01Z)
• A Competence-aware Curriculum for Visual Concepts Learning via Question Answering [95.35905804211698]
  本稿では,視覚概念学習のための質問応答型カリキュラムを提案する。 視覚概念を学習するためのニューラルシンボリックな概念学習者と学習プロセスを導くための多次元項目応答理論(mIRT)モデルを設計する。 CLEVRの実験結果から,コンピテンスを意識したカリキュラムにより,提案手法は最先端のパフォーマンスを実現することが示された。
  論文  参考訳（メタデータ） (2020-07-03T05:08:09Z)
• Provable Representation Learning for Imitation Learning via Bi-level Optimization [60.059520774789654]
  現代の学習システムにおける一般的な戦略は、多くのタスクに有用な表現を学ぶことである。 我々は,複数の専門家の軌道が利用できるマルコフ決定過程(MDP)の模倣学習環境において,この戦略を研究する。 このフレームワークは,行動のクローン化と観察-アローンの模倣学習設定のためにインスタンス化する。
  論文  参考訳（メタデータ） (2020-02-24T21:03:52Z)

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。