論文の概要: Synergizing Self-Regulation and Artificial-Intelligence Literacy Towards Future Human-AI Integrative Learning

• arxiv url: http://arxiv.org/abs/2504.07125v1
• Date: Mon, 31 Mar 2025 13:41:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-13 05:54:41.270277
• Title: Synergizing Self-Regulation and Artificial-Intelligence Literacy Towards Future Human-AI Integrative Learning
• Title（参考訳）: 未来のAI統合学習に向けての自己統制と人工知能リテラシーの融合
• Authors: Long, Zhang, Shijun, Chen,
• Abstract要約: 自己制御学習(SRL)と人工知能(AI)リテラシーは、人間とAIの対話学習を成功させる上で重要な能力となっている。 本研究では,4つの学習グループを明らかにするクラスタリング手法を用いて,1,704人の中国人大学生のデータを分析した。
• 参考スコア（独自算出の注目度）: 92.34299949916134
• License:
• Abstract: Self-regulated learning (SRL) and Artificial-Intelligence (AI) literacy are becoming key competencies for successful human-AI interactive learning, vital to future education. However, despite their importance, students face imbalanced and underdeveloped SRL and AI literacy capabilities, inhibiting effective using AI for learning. This study analyzed data from 1,704 Chinese undergraduates using clustering methods to uncover four learner groups reflecting developing process(Potential, Development, Master, and AI-Inclined) characterized by varying SRL and AI literacy differentiation. Results highlight obvious disparities in SRL and AI literacy synchronization, with the Master Group achieving balanced development and critical AI-using for SRL, while AI-Inclined Group demonstrate over-reliance on AI and poor SRL application. The Potential Group showed a close mutual promotion trend between SRL and AI literacy, while the Development Group showed a discrete correlation. Resources and instructional guidance support emerged as key factors affecting these differentiations. To translate students to master SRL-AI literacy level and progress within it, the study proposes differentiated support strategies and suggestions. Synergizing SRL and AI literacy growth is the core of development, ensuring equitable and advanced human-centered interactive learning models for future human-AI integrating.
• Abstract（参考訳）: 自己統制型学習(SRL)と人工知能(AI)リテラシーは、人間とAIの対話型学習を成功させる上で重要な能力となり、将来の教育に欠かせないものとなっている。 しかし、その重要性にもかかわらず、学生はSRLとAIリテラシー能力の不足に直面し、学習にAIを使用することを効果的に妨げている。 本研究では,学習過程を反映した4つの学習グループ(Potential, Development, Master, AI-Inclined)のクラスタリング手法を用いて,1,704人の中国人大学生のデータを分析した。 その結果は、SRLとAIリテラシー同期の明らかな相違を強調し、Master GroupはSRLのためのバランスの取れた開発と重要なAI利用を達成する一方で、AI-Inclined GroupはAIと貧弱なSRLアプリケーションへの過度な依存を示す。 潜在グループはSRLとAIリテラシーの密接な相互促進傾向を示し,開発グループは個別の相関を示した。 これらの分化に影響を及ぼす重要な要因として、リソースと指導指導サポートが出現した。 学生がSRL-AIリテラシーレベルを習得し、その内部の進歩を習得するために、この研究では、異なる支援戦略と提案を提案する。 SRLとAIリテラシーの成長の相乗効果は開発の中心であり、将来のAI統合のための平等で高度な人間中心の対話型学習モデルを保証する。

関連論文リスト

• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• The Interplay of Learning, Analytics, and Artificial Intelligence in Education: A Vision for Hybrid Intelligence [0.45207442500313766]
  私は、AIのツールとしての狭義の概念化に挑戦し、AIの代替概念化の重要性を主張します。 人工知能と人工情報処理の違いを強調し、AIが人間の学習を理解するための道具としても役立つことを実証する。 本稿では、人間の認知の外部化、人間のメンタルモデルに影響を与えるAIモデルの内部化、密結合された人間とAIハイブリッドインテリジェンスシステムによる人間の認知の拡張という、AIのユニークな概念化について述べる。
  論文  参考訳（メタデータ） (2024-03-24T10:07:46Z)
• Evolutionary Reinforcement Learning: A Systematic Review and Future Directions [18.631418642768132]
  進化強化学習(EvoRL)は、複雑な問題解決における強化学習と進化アルゴリズム(EA)の限界に対する解決策である。 EvoRLはEAと強化学習を統合し、知的エージェントを訓練するための有望な道を提供する。 この体系的なレビューは、EvoRLの現状に関する洞察を提供し、人工知能の進化を続ける風景において、その能力を向上させるためのガイドを提供する。
  論文  参考訳（メタデータ） (2024-02-20T02:07:57Z)
• 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)
• 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)
• Human-AI Coevolution [48.74579595505374]
  Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。 本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
  論文  参考訳（メタデータ） (2023-06-23T18:10:54Z)
• Autonomous Reinforcement Learning: Formalism and Benchmarking [106.25788536376007]
  人間や動物が行うような現実世界の具体的学習は、連続的で非エポゾディックな世界にある。 RLの一般的なベンチマークタスクはエピソジックであり、試行錯誤によってエージェントに複数の試行を行う環境がリセットされる。 この相違は、擬似環境向けに開発されたRLアルゴリズムを現実世界のプラットフォーム上で実行しようとする場合、大きな課題となる。
  論文  参考訳（メタデータ） (2021-12-17T16:28:06Z)
• 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。