論文の概要: Advancing Education through Tutoring Systems: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2503.09748v1
- Date: Wed, 12 Mar 2025 18:47:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-14 15:54:08.019603
- Title: Advancing Education through Tutoring Systems: A Systematic Literature Review
- Title（参考訳）: テュータリングシステムによる教育改善 : 体系的文献レビュー
- Authors: Vincent Liu, Ehsan Latif, Xiaoming Zhai,
- Abstract要約: 本研究は,知能学習システム (ITS) とロボット学習システム (RTS) を包含した学習システムの変革的役割を体系的にレビューする。
この発見は、適応性、エンゲージメント、学習結果を向上するAI技術の著しい進歩を示している。
この研究は、ITSとRTSの相補的な強みを強調し、教育効果を最大化するために統合されたハイブリッドソリューションを提案する。
- 参考スコア（独自算出の注目度）: 3.276010440333338
- License:
- Abstract: This study systematically reviews the transformative role of Tutoring Systems, encompassing Intelligent Tutoring Systems (ITS) and Robot Tutoring Systems (RTS), in addressing global educational challenges through advanced technologies. As many students struggle with proficiency in core academic areas, Tutoring Systems emerge as promising solutions to bridge learning gaps by delivering personalized and adaptive instruction. ITS leverages artificial intelligence (AI) models, such as Bayesian Knowledge Tracing and Large Language Models, to provide precise cognitive support, while RTS enhances social and emotional engagement through human-like interactions. This systematic review, adhering to the PRISMA framework, analyzed 86 representative studies. We evaluated the pedagogical and technological advancements, engagement strategies, and ethical considerations surrounding these systems. Based on these parameters, Latent Class Analysis was conducted and identified three distinct categories: computer-based ITS, robot-based RTS, and multimodal systems integrating various interaction modes. The findings reveal significant advancements in AI techniques that enhance adaptability, engagement, and learning outcomes. However, challenges such as ethical concerns, scalability issues, and gaps in cognitive adaptability persist. The study highlights the complementary strengths of ITS and RTS, proposing integrated hybrid solutions to maximize educational benefits. Future research should focus on bridging gaps in scalability, addressing ethical considerations comprehensively, and advancing AI models to support diverse educational needs.
- Abstract（参考訳）: 本研究は,知的学習システム(ITS)とロボット学習システム(RTS)を包含し,先進技術によるグローバルな教育課題に対処するチューリングシステム(Tutoring Systems)の変革的役割を体系的にレビューする。
多くの学生が中核的な分野の熟練度に苦しむ中、チュータリングシステムは、パーソナライズされた適応的な指導を提供することによって、ブリッジラーニングギャップに対する有望な解決策として出現する。
ITSは、ベイジアン知識追跡や大規模言語モデルといった人工知能(AI)モデルを活用して、正確な認知支援を提供する一方で、RTSは人間のようなインタラクションを通じて社会的および感情的なエンゲージメントを高める。
この系統的なレビューは、PRISMAフレームワークに準拠し、86の代表的な研究を分析した。
我々は,これらのシステムを取り巻く教育的・技術的進歩,エンゲージメント戦略,倫理的考察を評価した。
これらのパラメータに基づいて遅延クラス分析を行い,コンピュータベースITS,ロボットベースRTS,対話モードを統合したマルチモーダルシステムという,3つの異なるカテゴリを同定した。
この発見は、適応性、エンゲージメント、学習結果を向上するAI技術の著しい進歩を示している。
しかし、倫理的懸念、スケーラビリティの問題、認知的適応性のギャップといった課題は継続する。
この研究は、ITSとRTSの相補的な強みを強調し、教育効果を最大化するために統合されたハイブリッドソリューションを提案する。
今後の研究は、スケーラビリティのギャップを埋めること、倫理的考察を包括的に解決すること、そして多様な教育ニーズをサポートするためにAIモデルを前進させることに焦点を当てるべきである。
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) - Integrating Artificial Intelligence into Operating Systems: A Comprehensive Survey on Techniques, Applications, and Future Directions [16.28550500194823]
人工知能とオペレーティング・システムの統合はイノベーションの重要なフロンティアとして現れます。
AI-OS統合の現状は、先進的なコンピューティングパラダイムの進化を操る上で、その重要な役割を強調している。
Intelligent Operating Systemsの今後の展望は、OS設計がいかにして新たな可能性をもたらすかを議論する。
論文 参考訳（メタデータ） (2024-07-19T05:29:34Z) - Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳（メタデータ） (2024-07-03T15:38:57Z) - Qualitative and quantitative analysis of student's perceptions in the use of generative AI in educational environments [0.0]
教育における生成人工知能の効果的な統合は、将来の世代を準備するための基本的な側面である。
本研究の目的は,教室内における制御された学生とIAの相互作用の知覚を定量的かつ質的な視点から分析することである。
論文 参考訳（メタデータ） (2024-05-22T09:56:05Z) - Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems [62.252355444948904]
本稿では,エッジインテリジェンス(EI)と社会学習(SL)の統合に関する文献レビューの結果について述べる。
SLは、エージェントの協調能力と集団知性を増幅することを目的とした、社会的原則と行動に基づく学習パラダイムである。
ソーシャル化アーキテクチャ、ソーシャル化トレーニング、ソーシャル化推論の3つの統合コンポーネントについて詳しく検討し、その強みと弱点を分析した。
論文 参考訳（メタデータ） (2024-04-20T11:07:29Z) - Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
我々は、生成AIと適応学習の交差研究に光を当てた。
我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献するだろうと論じている。
論文 参考訳（メタデータ） (2024-02-02T23:54:51Z) - Multimodality of AI for Education: Towards Artificial General
Intelligence [14.121655991753483]
マルチモーダル人工知能(AI)アプローチは、教育的文脈における人工知能(AGI)の実現に向けた道を歩んでいる。
この研究は、認知フレームワーク、高度な知識表現、適応学習機構、多様なマルチモーダルデータソースの統合など、AGIの重要な側面を深く掘り下げている。
本稿は、AGI開発における今後の方向性と課題に関する洞察を提供する、教育におけるマルチモーダルAIの役割の意味についても論じる。
論文 参考訳（メタデータ） (2023-12-10T23:32:55Z) - Confronting Structural Inequities in AI for Education [5.371816551086117]
我々は、AIモデルの性能格差に基づく公正性を評価するという支配的なパラダイムが、教育用AIシステムが生み出す構造的不平等に直面するには不十分であると主張している。
教育用AI技術が、モデルの性能の同等性に関係なく、構造的不正と不平等の歴史的正当性をいかに束縛され、再現されているかを実証する。
論文 参考訳（メタデータ） (2021-05-18T22:13:35Z) - 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。