論文の概要: ARCHED: A Human-Centered Framework for Transparent, Responsible, and Collaborative AI-Assisted Instructional Design

• arxiv url: http://arxiv.org/abs/2503.08931v1
• Date: Tue, 11 Mar 2025 22:19:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-13 15:39:42.531805
• Title: ARCHED: A Human-Centered Framework for Transparent, Responsible, and Collaborative AI-Assisted Instructional Design
• Title（参考訳）: ARCHED: 透明で責任があり、協調的なAI支援型インストラクショナルデザインのための人間中心のフレームワーク
• Authors: Hongming Li, Yizirui Fang, Shan Zhang, Seiyon M. Lee, Yiming Wang, Mark Trexler, Anthony F. Botelho,
• Abstract要約: ARCHEDは、AI能力を活用しながら、人間の教育者が設計プロセスの中心に留まることを保証するフレームワークである。 このフレームワークは専門的なAIエージェントを統合しており、ひとつは多様な教育的選択肢を生成し、もうひとつは学習目標との整合性を評価する。 実証的な評価によると、ARCHEDは教育者の監督を保ちながら、教育におけるAI統合の責任を負うための一歩として、教育設計の質を高める。
• 参考スコア（独自算出の注目度）: 10.99360129432492
• License:
• Abstract: Integrating Large Language Models (LLMs) in educational technology presents unprecedented opportunities to improve instructional design (ID), yet existing approaches often prioritize automation over pedagogical rigor and human agency. This paper introduces ARCHED (AI for Responsible, Collaborative, Human-centered Education Instructional Design), a structured multi-stage framework that ensures human educators remain central in the design process while leveraging AI capabilities. Unlike traditional AI-generated instructional materials that lack transparency, ARCHED employs a cascaded workflow aligned with Bloom's taxonomy. The framework integrates specialized AI agents - one generating diverse pedagogical options and another evaluating alignment with learning objectives - while maintaining educators as primary decision-makers. This approach addresses key limitations in current AI-assisted instructional design, ensuring transparency, pedagogical foundation, and meaningful human agency. Empirical evaluations demonstrate that ARCHED enhances instructional design quality while preserving educator oversight, marking a step forward in responsible AI integration in education.
• Abstract（参考訳）: 教育技術における大規模言語モデル(LLM)の統合は、教育設計(ID)を改善する前例のない機会を提供するが、既存のアプローチでは、教育機関や人事機関よりも自動化を優先することが多い。 本稿では、人間教育者がAI能力を活用しながら設計プロセスの中心に留まることを確実にする構造化された多段階のフレームワークであるARCHED(AI for Responsible, Collaborative, Human-centered Education Instructional Design)を紹介する。 透明性に欠ける従来のAI生成の教材とは異なり、ARCHEDはブルームの分類に合わせたカスケードワークフローを採用している。 このフレームワークは、専門的なAIエージェント(ひとつは多様な教育的オプションを生成し、もうひとつは学習目標との整合性を評価する)を統合すると同時に、教育者を主要な意思決定者として維持する。 このアプローチは、現在のAI支援の教育設計、透明性の確保、教育基盤、有意義な人事機関における重要な制限に対処する。 実証的な評価によると、ARCHEDは教育者の監督を保ちながら、教育におけるAI統合の責任を負うための一歩として、教育設計の質を高める。

関連論文リスト

• LLM-powered Multi-agent Framework for Goal-oriented Learning in Intelligent Tutoring System [54.71619734800526]
  GenMentorは、ITS内で目標指向でパーソナライズされた学習を提供するために設計されたマルチエージェントフレームワークである。 学習者の目標を、カスタムのゴール・トゥ・スキルデータセットでトレーニングされた微調整LDMを使用して、必要なスキルにマッピングする。 GenMentorは、個々の学習者のニーズに合わせて探索・描画・統合機構で学習内容を調整する。
  論文  参考訳（メタデータ） (2025-01-27T03:29:44Z)
• Generative AI Literacy: Twelve Defining Competencies [48.90506360377104]
  本稿では、生成AIと対話するために必要なスキルと知識領域を網羅した、生成人工知能(AI)リテラシーの能力に基づくモデルを提案する。 能力は、基礎的なAIリテラシーから、倫理的および法的考慮を含むエンジニアリングとプログラミングのスキルの促進まで様々である。 これらの12の能力は、個人、政策立案者、政府高官、教育者が責任を持って生成AIの可能性をナビゲートし活用しようとするための枠組みを提供する。
  論文  参考訳（メタデータ） (2024-11-29T14:55:15Z)
• 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)
• Comprehensive AI Assessment Framework: Enhancing Educational Evaluation with Ethical AI Integration [0.0]
  本稿では、Perkins、Furze、Roe、MacVaughによるAIA(AIAS)の進化版である包括的AIアセスメントフレームワーク(CAIAF)について述べる。 CAIAFは厳格な倫理的ガイドラインを取り入れており、教育レベルと高度なAI能力に基づいて明確に区別されている。 このフレームワークは、より良い学習結果を保証するとともに、学術的完全性を維持し、AIの責任ある利用を促進する。
  論文  参考訳（メタデータ） (2024-06-07T07:18:42Z)
• Towards Educator-Driven Tutor Authoring: Generative AI Approaches for Creating Intelligent Tutor Interfaces [0.31873871499564926]
  我々は、教師インターフェイス作成において、教育者を支援するための生成AI機能を導入する。 提案手法では,Large Language Models (LLM) を利用して,チューターのレイアウトと内容を生成する。 小規模比較では,教師インタフェース設計の効率を高めるためのアプローチの可能性を示している。
  論文  参考訳（メタデータ） (2024-05-23T15:46:10Z)
• Enhancing Instructional Quality: Leveraging Computer-Assisted Textual Analysis to Generate In-Depth Insights from Educational Artifacts [13.617709093240231]
  本研究では、人工知能(AI)と機械学習(ML)が教育内容、教師の談話、学生の反応を分析して教育改善を促進する方法について検討する。 私たちは、教師のコーチング、学生のサポート、コンテンツ開発など、AI/ML統合が大きな利点をもたらす重要な領域を特定します。 本稿では,AI/ML技術と教育的目標との整合性の重要性を強調し,その教育的可能性を実現する。
  論文  参考訳（メタデータ） (2024-03-06T18:29:18Z)
• White Paper: The Generative Education (GenEd) Framework [0.0]
  Generative Education(GenEd)フレームワークは、教育におけるLarge Language Models(LLM)からLarge Multimodal Models(LMM)への移行を探求する。 本稿では,パーソナライズ,対話的,感情的な学習環境を構築するためのLMMの可能性について考察する。
  論文  参考訳（メタデータ） (2023-10-16T23:30:42Z)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• A Transparency Index Framework for AI in Education [1.776308321589895]
  この研究の主な貢献は、AIを活用した教育技術開発における透明性の重要性を強調することである。 我々は、透明性が、解釈可能性、説明可能性、安全性などの教育における他の倫理的AI次元の実装を可能にすることを実証する。
  論文  参考訳（メタデータ） (2022-05-09T10:10:47Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)
• 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)

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。