論文の概要: Generative AI in Self-Directed Learning: A Scoping Review

• arxiv url: http://arxiv.org/abs/2411.07677v1
• Date: Tue, 12 Nov 2024 09:46:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:18:01.133406
• Title: Generative AI in Self-Directed Learning: A Scoping Review
• Title（参考訳）: 自己中心型学習におけるジェネレーティブAI: スコープレビュー
• Authors: Jasper Roe, Mike Perkins,
• Abstract要約: 本稿では,ジェネレーティブ・人工知能(GenAI)と自己指向学習(SDL)の交差点における現在の知識体系について検討する。 ChatGPTやその他の大規模言語モデル(LLM)を含むGenAIツールは、オンデマンドでパーソナライズされた支援を通じてSDLをサポートすることを約束している。 GenAIの長期的影響を理解する上ではまだ大きなギャップがある。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This scoping review examines the current body of knowledge at the intersection of Generative Artificial Intelligence (GenAI) and Self-Directed Learning (SDL). By synthesising the findings from 18 studies published from 2020 to 2024 and following the PRISMA-SCR guidelines for scoping reviews, we developed four key themes. This includes GenAI as a Potential Enhancement for SDL, The Educator as a GenAI Guide, Personalisation of Learning, and Approaching with Caution. Our findings suggest that GenAI tools, including ChatGPT and other Large Language Models (LLMs) show promise in potentially supporting SDL through on-demand, personalised assistance. At the same time, the literature emphasises that educators are as important and central to the learning process as ever before, although their role may continue to shift as technologies develop. Our review reveals that there are still significant gaps in understanding the long-term impacts of GenAI on SDL outcomes, and there is a further need for longitudinal empirical studies that explore not only text-based chatbots but also emerging multimodal applications.
• Abstract（参考訳）: 本稿では,ジェネレーティブ・人工知能(GenAI)と自己指向学習(SDL)の交差点における現在の知識体系について検討する。 PRISMA-SCRガイドラインに従って,2020年から2024年にかけて発行された18の論文を合成し,4つのテーマを考案した。 これには、SDLの潜在的拡張としてのGenAI、GenAIガイドとしてのEduculator、学習のパーソナライゼーション、注意によるアプローチが含まれる。 以上の結果から,ChatGPTやLLM(Large Language Models)などのGenAIツールが,オンデマンドでパーソナライズされた支援を通じて,SDLをサポートする可能性を示すことが示唆された。 同時に、文学は、教育者はかつてないほど重要であり、学習プロセスの中心であることを強調しているが、その役割は技術の発展とともに変化し続けるかもしれない。 我々は,GenAIの長期的影響のSDL結果に対する理解には依然として大きなギャップがあることを明らかにし,テキストベースのチャットボットだけでなく,新たなマルチモーダルアプリケーションも探究する縦断的実証研究の必要性を指摘した。

関連論文リスト

• Generative AI and Agency in Education: A Critical Scoping Review and Thematic Analysis [0.0]
  本稿では,ジェネレーティブAI(GenAI)と教育機関の関係を概観し,批判的デジタル教育のレンズを通して利用可能な文献を分析した。 我々は,デジタル空間における制御,可変エンゲージメントとアクセシビリティ,代理店の表記変更という3つの重要なテーマを,AIが支援するハイブリッドセマンティック分析によって明らかにした。 この結果から,GenAIは個人化や支援を通じて学習機関を強化できるが,教育の不平等が悪化し,学習者の自律性が低下する危険性も示唆された。
  論文  参考訳（メタデータ） (2024-11-01T14:40:31Z)
• A Systematic Review of Generative AI for Teaching and Learning Practice [0.37282630026096586]
  高等教育におけるGenAIシステムの利用に関するガイドラインは合意されていない。 HEにおける学際的・多次元的な研究は、共同研究を通じて必要である。
  論文  参考訳（メタデータ） (2024-06-13T18:16:27Z)
• Towards Bidirectional Human-AI Alignment: A Systematic Review for Clarifications, Framework, and Future Directions [101.67121669727354]
  近年のAIの進歩は、AIシステムを意図された目標、倫理的原則、個人とグループの価値に向けて導くことの重要性を強調している。 人間のAIアライメントの明確な定義とスコープの欠如は、このアライメントを達成するための研究領域間の共同作業を妨げる、大きな障害となる。 我々は、2019年から2024年1月までに400以上の論文を体系的にレビューし、HCI(Human-Computer Interaction)、自然言語処理(NLP)、機械学習(ML)といった複数の分野にまたがって紹介する。
  論文  参考訳（メタデータ） (2024-06-13T16:03:25Z)
• 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)
• A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
  大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。 Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。 RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
  論文  参考訳（メタデータ） (2024-05-10T02:48:45Z)
• Generative Artificial Intelligence in Learning Analytics: Contextualising Opportunities and Challenges through the Learning Analytics Cycle [0.0]
  ジェネレーティブ人工知能(GenAI)は、教育を変革し、人間の生産性を高める大きな可能性を秘めている。 本稿では,GenAIが学習分析(LA)にもたらす可能性と課題について述べる。 我々は、GenAIが非構造化データの解析、合成学習データの生成、マルチモーダル学習者相互作用の強化、対話的・説明的分析の進展、パーソナライゼーションと適応的介入の促進において重要な役割を果たすことを示唆する。
  論文  参考訳（メタデータ） (2023-11-30T07:25:34Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• Innovating Computer Programming Pedagogy: The AI-Lab Framework for Generative AI Adoption [0.0]
  我々は、中核的なプログラミングコースでGenAIを効果的に活用するために、学生を指導するフレームワーク「AI-Lab」を紹介した。 GenAIの誤りを特定し、修正することで、学生は学習プロセスを充実させる。 教育者にとって、AI-Labは、学習経験におけるGenAIの役割に対する学生の認識を探索するメカニズムを提供する。
  論文  参考訳（メタデータ） (2023-08-23T17:20:37Z)
• A Comprehensive Survey of AI-Generated Content (AIGC): A History of Generative AI from GAN to ChatGPT [63.58711128819828]
  ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。 AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
  論文  参考訳（メタデータ） (2023-03-07T20:36:13Z)
• 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。

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。