論文の概要: Dialogic Learning in Child-Robot Interaction: A Hybrid Approach to Personalized Educational Content Generation

• arxiv url: http://arxiv.org/abs/2503.15762v1
• Date: Thu, 20 Mar 2025 00:46:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 16:34:32.456000
• Title: Dialogic Learning in Child-Robot Interaction: A Hybrid Approach to Personalized Educational Content Generation
• Title（参考訳）: 子どもとロボットのインタラクションにおける対話学習 : 個人化された教育コンテンツ生成へのハイブリッドアプローチ
• Authors: Elena Malnatsky, Shenghui Wang, Koen V. Hindriks, Mike E. U. Ligthart,
• Abstract要約: 対話学習は、目的と構造化された対話を通じて、教育に対する動機づけと深い理解を促進する。 基礎的なモデルは、子供とロボットのインタラクションに変革をもたらす可能性を提供し、パーソナライズされ、エンゲージメントされ、スケーラブルなインタラクションの設計を可能にする。 子どもとロボットの対話における個人化された教育対話を設計するためのハイブリッドアプローチを提案する。
• 参考スコア（独自算出の注目度）: 1.5574423250822542
• License:
• Abstract: Dialogic learning fosters motivation and deeper understanding in education through purposeful and structured dialogues. Foundational models offer a transformative potential for child-robot interactions, enabling the design of personalized, engaging, and scalable interactions. However, their integration into educational contexts presents challenges in terms of ensuring age-appropriate and safe content and alignment with pedagogical goals. We introduce a hybrid approach to designing personalized educational dialogues in child-robot interactions. By combining rule-based systems with LLMs for selective offline content generation and human validation, the framework ensures educational quality and developmental appropriateness. We illustrate this approach through a project aimed at enhancing reading motivation, in which a robot facilitated book-related dialogues.
• Abstract（参考訳）: 対話学習は、目的と構造化された対話を通じて、教育に対する動機づけと深い理解を促進する。 基礎的なモデルは、子供とロボットのインタラクションに変革をもたらす可能性を提供し、パーソナライズされ、エンゲージメントされ、スケーラブルなインタラクションの設計を可能にする。 しかし、教育的文脈への統合は、年齢が適切で安全な内容の確保と教育的目標との整合性の確保という課題を呈している。 子どもとロボットの対話における個人化された教育対話を設計するためのハイブリッドアプローチを提案する。 ルールベースのシステムとLCMを組み合わせて、オフラインコンテンツ生成と人間による検証を行うことで、教育的品質と発達的適切性を保証する。 本研究は,ロボットが本に関する対話を円滑に行うことを目的とした,学習意欲の向上を目的としたプロジェクトを通じて,本手法を解説する。

関連論文リスト

• Enhancing Higher Education with Generative AI: A Multimodal Approach for Personalised Learning [2.334887570960192]
  本研究は,高等教育分野におけるジェネレーティブAI(GenAI)の可能性を探るものである。 我々は、幅広い教育的クエリに対処するGenAIの可能性を示す。 本研究は,実践的なWebアプリケーションを実証することにより,よりダイナミックで応答性の高い教育環境を育成するために,GenAI技術を統合することの必須事項を浮き彫りにする。
  論文  参考訳（メタデータ） (2025-02-11T09:29:29Z)
• 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)
• User Adaptive Language Learning Chatbots with a Curriculum [55.63893493019025]
  語彙的に制約されたデコーディングをダイアログシステムに適用し、ダイアログシステムに対して、その生成した発話にカリキュラムに準拠した単語やフレーズを含めるよう促す。 評価の結果,カリキュラム注入によるダイアログシステムにより,対象語に対する生徒の理解が向上し,英語実践への関心が高まることが示された。
  論文  参考訳（メタデータ） (2023-04-11T20:41:41Z)
• Commonsense-Aware Prompting for Controllable Empathetic Dialogue Generation [1.0558951653323283]
  事前学習された言語モデルを用いた共感的対話生成を改善する新しいフレームワークを提案する。 社会的コモンセンス知識の導入と世代管理の実施が世代業績の向上に寄与することを明らかにする実験を行った。
  論文  参考訳（メタデータ） (2023-02-02T22:04:07Z)
• Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
  言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。 現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。 人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
  論文  参考訳（メタデータ） (2023-01-24T11:00:17Z)
• StoryBuddy: A Human-AI Collaborative Chatbot for Parent-Child Interactive Storytelling with Flexible Parental Involvement [61.47157418485633]
  私たちは、インタラクティブなストーリーテリング体験を作成するためのAI対応システムであるStoryBuddyを開発した。 ユーザスタディでは、StoryBuddyのユーザビリティを検証し、将来の親とAIのコラボレーションシステムの設計上の洞察を提案した。
  論文  参考訳（メタデータ） (2022-02-13T04:53:28Z)
• Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
  自然言語を理解し、人間と対話するための訓練機械は、人工知能の解明と本質的なタスクである。 本稿では,対話理解タスクにおける対話モデリングの技術的視点から,過去の手法を概観する。 さらに,対話シナリオにおけるPrLMの強化に使用される対話関連事前学習手法を分類する。
  論文  参考訳（メタデータ） (2021-10-11T03:52:37Z)
• Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
  対話モデリングの観点から,従来の手法を検討した。 対話理解タスクで広く使用されている対話モデリングの3つの典型的なパターンについて議論します。
  論文  参考訳（メタデータ） (2021-03-04T15:50:17Z)
• Interactive Teaching for Conversational AI [2.5259192787433706]
  現在の会話型AIシステムは、事前設計された要求のセットを理解し、関連するアクションを実行することを目的としている。 子どもが大人と対話する最初の言語を学習する方法に触発された本論文では、新しいTeachable AIシステムについて述べる。 インタラクティブな授業セッションを使ってエンドユーザーから直接、概念と呼ばれる新しい言語ナゲットを学ぶことができる。
  論文  参考訳（メタデータ） (2020-12-02T04:08:49Z)
• Structured Attention for Unsupervised Dialogue Structure Induction [110.12561786644122]
  本稿では、構造化された注意層を離散潜在状態を持つ変化型リカレントニューラルネットワーク(VRNN)モデルに組み込んで、教師なしの方法で対話構造を学ぶことを提案する。 バニラVRNNと比較して、構造化された注意は、構造的帰納バイアスを強制しながら、ソース文の埋め込みの異なる部分にフォーカスすることができる。
  論文  参考訳（メタデータ） (2020-09-17T23:07:03Z)

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。