論文の概要: Generative AI in Education: From Foundational Insights to the Socratic Playground for Learning

• arxiv url: http://arxiv.org/abs/2501.06682v1
• Date: Sun, 12 Jan 2025 01:43:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:25:36.716063
• Title: Generative AI in Education: From Foundational Insights to the Socratic Playground for Learning
• Title（参考訳）: 教育におけるジェネレーティブAI:基礎的な視点から学習のためのソクラテス的舞台へ
• Authors: Xiangen Hu, Sheng Xu, Richard Tong, Art Graesser,
• Abstract要約: 我々は,Large Language Models(LLM)と人間認知の並列性について論じる。 生成AIが大規模にパーソナライズされた学習を促進する方法を示す。
• 参考スコア（独自算出の注目度）: 2.8947618493306324
• License:
• Abstract: This paper explores the synergy between human cognition and Large Language Models (LLMs), highlighting how generative AI can drive personalized learning at scale. We discuss parallels between LLMs and human cognition, emphasizing both the promise and new perspectives on integrating AI systems into education. After examining challenges in aligning technology with pedagogy, we review AutoTutor-one of the earliest Intelligent Tutoring Systems (ITS)-and detail its successes, limitations, and unfulfilled aspirations. We then introduce the Socratic Playground, a next-generation ITS that uses advanced transformer-based models to overcome AutoTutor's constraints and provide personalized, adaptive tutoring. To illustrate its evolving capabilities, we present a JSON-based tutoring prompt that systematically guides learner reflection while tracking misconceptions. Throughout, we underscore the importance of placing pedagogy at the forefront, ensuring that technology's power is harnessed to enhance teaching and learning rather than overshadow it.
• Abstract（参考訳）: 本稿では、人間の認知とLarge Language Models(LLM)の相乗効果について考察し、生成AIが大規模にパーソナライズされた学習を促進する方法を明らかにする。 我々は、LLMと人間の認知の並行性について論じ、AIシステムを教育に組み込むという約束と新しい視点の両方を強調した。 技術と教育の整合性に関する課題を検討した後、私たちはAutoTutorをレビューします。 次に、AutoTutorの制約を克服し、パーソナライズされ適応的な学習を提供する、高度なトランスフォーマーモデルを使用する次世代ITSであるSocratic Playgroundを紹介します。 その進化する能力を説明するために,誤認識をトラッキングしながら学習者の振り返りを体系的にガイドする,JSONベースの指導プロンプトを提案する。 全体として、私たちは、教育を最前線に置くことの重要性を強調し、テクノロジーの力が教育と学習の強化に活用されていることを保証します。

関連論文リスト

• Generative AI and Its Impact on Personalized Intelligent Tutoring Systems [0.0]
  生成AIは、動的コンテンツ生成、リアルタイムフィードバック、適応学習経路を通じてパーソナライズされた教育を可能にする。 報告では、自動質問生成、カスタマイズされたフィードバック機構、対話システムなどの重要な応用について検討する。 今後の方向性は、マルチモーダルAI統合の潜在的な進歩、学習システムにおける感情的知性、そしてAI駆動型教育の倫理的意味を強調する。
  論文  参考訳（メタデータ） (2024-10-14T16:01:01Z)
• 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)
• The Physics of Learning: From Autoencoders to Truly Autonomous Learning Machines [0.0]
  我々は,教師なし学習装置が外部エネルギー源から完全に独立することを提案する。 学習をエネルギー探索のプロセスとして再認識することで、学習システムにおいて真の自律性を達成する可能性を強調する。
  論文  参考訳（メタデータ） (2024-02-12T01:36:26Z)
• Mimicking the Maestro: Exploring the Efficacy of a Virtual AI Teacher in Fine Motor Skill Acquisition [3.07176124710244]
  運動スキル、特に手書きなどの運動スキルは、学術的な追求や日常生活において重要な役割を担っている。 これらのスキルを効果的に教える伝統的な方法は、時間がかかり、一貫性がない。 我々は,人間の教官の特徴を捉えたAI教師モデルを導入する。
  論文  参考訳（メタデータ） (2023-10-16T11:11:43Z)
• 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)
• Stabilizing Contrastive RL: Techniques for Robotic Goal Reaching from Offline Data [101.43350024175157]
  自己指導型学習は、制御戦略を学ぶのに必要な人間のアノテーションとエンジニアリングの労力を減らす可能性がある。 我々の研究は、強化学習(RL)自体が自己監督的な問題であることを示す先行研究に基づいている。 コントラスト学習に基づく自己教師付きRLアルゴリズムは,実世界の画像に基づくロボット操作タスクを解くことができることを示す。
  論文  参考訳（メタデータ） (2023-06-06T01:36:56Z)
• 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)
• 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)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。