論文の概要: Educational Twin: The Influence of Artificial XR Expert Duplicates on Future Learning
- arxiv url: http://arxiv.org/abs/2504.13896v1
- Date: Sun, 06 Apr 2025 06:41:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:52.646996
- Title: Educational Twin: The Influence of Artificial XR Expert Duplicates on Future Learning
- Title（参考訳）: 教育双生児:人工XR専門家が将来の学習に与える影響
- Authors: Clara Sayffaerth,
- Abstract要約: 人間のデジタル双生児は、拡張性、エンゲージメント、社会的学習因子の保存といった側面を改善する可能性がある。
この技術はメリットを提供する一方で、教育者の自主性、社会的相互作用の変化、プライバシー、偏見、アイデンティティ保護といった倫理的配慮に関する課題も導入している。
人間のデジタル双生児が教育の社会的側面を損なうことなく向上させるためには、対処すべき重要な研究課題を概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Currently, it is impossible for educators to be in multiple places simultaneously and teach each student individually. Technologies such as Extended Reality (XR) and Artificial Intelligence (AI) enable the creation of realistic educational copies of experts that preserve not only visual and mental characteristics but also social aspects crucial for learning. However, research in this area is limited, which opens new questions for future work. This paper discusses how these human digital twins can potentially improve aspects like scalability, engagement, and preservation of social learning factors. While this technology offers benefits, it also introduces challenges related to educator autonomy, social interaction shifts, and ethical considerations such as privacy, bias, and identity preservation. We outline key research questions that need to be addressed to ensure that human digital twins enhance the social aspects of education instead of harming them.
- Abstract（参考訳）: 現在、教育者が同時に複数の場所にいることは不可能であり、各生徒に個別に教えることは不可能である。
拡張現実(XR)や人工知能(AI)といった技術は、視覚的・精神的特徴だけでなく、学習に不可欠な社会的側面を保持する専門家の現実的な教育的コピーを作成することを可能にする。
しかし、この分野の研究は限られており、今後の研究への新たな疑問が開けている。
本稿では、これらのデジタル双生児が、拡張性、エンゲージメント、社会的学習因子の保存といった側面をいかに改善できるかを論じる。
この技術はメリットを提供する一方で、教育者の自主性、社会的相互作用の変化、プライバシー、偏見、アイデンティティ保護といった倫理的配慮に関する課題も導入している。
人間のデジタル双生児が教育の社会的側面を損なうことなく向上させるためには、対処すべき重要な研究課題を概説する。
関連論文リスト
- ChatGPT in Classrooms: Transforming Challenges into Opportunities in Education [0.14732811715354452]
私たちはこの教育フロンティアの瀬戸際に立っており、多くの注意を払ってこの地形をナビゲートする必要があることは明らかです。
不適切に使用すると、AIツールはコピーペースト精神をカットするための完璧なツールになる。
この研究は、将来の研究者が自身のデータを適用し、運用するためのプロセスマニュアルとして使用される。
論文 参考訳（メタデータ） (2024-05-17T09:17:59Z) - Public Computing Intellectuals in the Age of AI Crisis [0.0]
この位置紙は4つのセクションで行うための努力である。
第一に、AI危機の物語の中で、コンピューティングに何が必要なのかを探求する。
第2部は、この危機に対する教育的な対応を明記している。
第3節では、学術計算の実践分野の斬新な特徴について述べる。
論文 参考訳（メタデータ） (2024-05-01T20:48:34Z) - Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions [67.60397632819202]
ソーシャルインテリジェントAIエージェント(Social-AI)の構築は、多分野、マルチモーダルな研究目標である。
我々は、社会AIを前進させるために、基礎となる技術的課題と、コンピューティングコミュニティ全体にわたる研究者のためのオープンな質問を特定します。
論文 参考訳（メタデータ） (2024-04-17T02:57:42Z) - Exploring Parent's Needs for Children-Centered AI to Support Preschoolers' Interactive Storytelling and Reading Activities [52.828843153565984]
AIベースのストーリーテリングと読書技術は、幼児の生活の中でますます普及しつつある。
本稿では,実践的なストーリーテリングや読書のシナリオでどのように機能するか,親,最も重要な利害関係者,経験,知覚について考察する。
我々の研究結果は、AIベースのストーリーテリングと読書技術は、より没入的で活発な相互作用を提供するが、一連の対話的でアルゴリズム的な課題のために、両親の期待を満たすことはできないことを示唆している。
論文 参考訳（メタデータ） (2024-01-24T20:55:40Z) - The Responsible Development of Automated Student Feedback with Generative AI [6.008616775722921]
AIの最近の進歩、特に大規模言語モデル(LLM)では、スケーラブルで反復可能でインスタントなフィードバックを提供する新たな機会が提示されている。
しかし、これらの技術の実装には、慎重に対処しなければならない多くの倫理的考察も導入されている。
AIシステムの中核となる利点の1つは、ルーチンや日常的なタスクを自動化する能力であり、人間の教育者を解放して、より微妙な仕事をさせる可能性がある。
しかし、自動化の容易さは、少数派や独特な学習者の多様なニーズが見過ごされる「多数派」の暴行を招きかねない。
論文 参考訳（メタデータ） (2023-08-29T14:29:57Z) - A Survey on Brain-Inspired Deep Learning via Predictive Coding [85.93245078403875]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Towards social generative AI for education: theory, practices and ethics [0.0]
教育のための社会的生成AIを構築するには、人間だけでなく互いに会話できる強力なAIシステムを開発する必要がある。
教育のための社会的生成AIを設計し、制約する方法を検討する必要がある。
論文 参考訳（メタデータ） (2023-06-14T17:30:48Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳（メタデータ） (2023-06-06T10:18:36Z) - Understanding and improving social factors in education: a computational
social science approach [0.0]
計算社会科学者は、この新たな研究フロンティアを創造的に前進させることができる。
本稿では,大規模デジタルプラットフォームによる学習の最近の研究について概説する。
私たちは、計算社会科学者がこの新たな研究フロンティアを創造的に前進させることができると信じています。
論文 参考訳（メタデータ） (2023-01-13T15:40:07Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳（メタデータ） (2022-01-20T17:07:03Z) - 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)
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。