論文の概要: A Computational Model of Inclusive Pedagogy: From Understanding to Application

• arxiv url: http://arxiv.org/abs/2505.02853v1
• Date: Fri, 02 May 2025 12:26:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.03548
• Title: A Computational Model of Inclusive Pedagogy: From Understanding to Application
• Title（参考訳）: 包括的教育の計算モデル:理解から応用へ
• Authors: Francesco Balzan, Pedro P. Santos, Maurizio Gabbrielli, Mahault Albarracin, Manuel Lopes,
• Abstract要約: 人間の教育は単なる知識伝達を超越し、共適応力学に依存している。 中心性にもかかわらず、共適応型教師-学生相互作用(T-SI)の計算モデルは未開発のままである。 本稿では,人間教育の文脈的洞察をテスト可能なフレームワークに統合する計算的T-SIモデルを提案する。
• 参考スコア（独自算出の注目度）: 1.2058600649065616
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human education transcends mere knowledge transfer, it relies on co-adaptation dynamics -- the mutual adjustment of teaching and learning strategies between agents. Despite its centrality, computational models of co-adaptive teacher-student interactions (T-SI) remain underdeveloped. We argue that this gap impedes Educational Science in testing and scaling contextual insights across diverse settings, and limits the potential of Machine Learning systems, which struggle to emulate and adaptively support human learning processes. To address this, we present a computational T-SI model that integrates contextual insights on human education into a testable framework. We use the model to evaluate diverse T-SI strategies in a realistic synthetic classroom setting, simulating student groups with unequal access to sensory information. Results show that strategies incorporating co-adaptation principles (e.g., bidirectional agency) outperform unilateral approaches (i.e., where only the teacher or the student is active), improving the learning outcomes for all learning types. Beyond the testing and scaling of context-dependent educational insights, our model enables hypothesis generation in controlled yet adaptable environments. This work bridges non-computational theories of human education with scalable, inclusive AI in Education systems, providing a foundation for equitable technologies that dynamically adapt to learner needs.
• Abstract（参考訳）: 人間の教育は単なる知識伝達を超越し、エージェント間の教育と学習戦略の相互調整である、共適応力学に依存している。 中心性にもかかわらず、共適応型教師-学生相互作用(T-SI)の計算モデルは未開発のままである。 このギャップは、さまざまな環境における文脈的洞察のテストとスケーリングにおいて教育科学を阻害し、人間の学習プロセスをエミュレートし適応的に支援するのに苦労する機械学習システムの可能性を制限している、と我々は主張する。 そこで本研究では,人間教育の文脈的洞察をテスト可能なフレームワークに統合する計算的T-SIモデルを提案する。 このモデルを用いて,学生グループが感覚情報に不平等にアクセスしたことをシミュレートし,多様なT-SI戦略を現実的な合成教室で評価する。 その結果,共適応原則(双方向エージェントなど)を取り入れた戦略は,一側的アプローチ(教師や生徒が活発な場合など)よりも優れ,すべての学習形態の学習結果が改善された。 文脈に依存した教育的洞察のテストとスケーリングの他に、我々のモデルは制御可能で適応可能な環境で仮説生成を可能にする。 この研究は、スケーラブルで包括的なAIを教育システムに組み込むことで、人間の教育の非計算理論を橋渡しし、学習者のニーズに動的に適応する公平な技術の基礎を提供する。

関連論文リスト

• Advancing Education through Tutoring Systems: A Systematic Literature Review [3.276010440333338]
  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。
  論文  参考訳（メタデータ） (2025-03-12T18:47:07Z)
• Training a Generally Curious Agent [86.84089201249104]
  PAPRIKAは,言語モデルによる一般的な意思決定機能の開発を可能にする微調整手法である。 PAPRIKAで微調整されたモデルは、学習した意思決定能力を全く見えないタスクに効果的に移行できることを示す実験結果が得られた。 これらの結果は、新しいシーケンシャルな意思決定問題を自律的に解決できるAIシステムへの有望な道のりを示唆している。
  論文  参考訳（メタデータ） (2025-02-24T18:56:58Z)
• Education in the Era of Neurosymbolic AI [0.6468510459310326]
  我々は,ハイブリッドNAIアーキテクチャの重要な構成要素として,教育エージェントの独特な余裕を生かしたシステムを提案する。 我々は,NAI時代の教育によって,学習がよりアクセスしやすく,公平で,現実世界のスキルに適合するものになると結論づける。
  論文  参考訳（メタデータ） (2024-11-16T19:18:39Z)
• Latent-Predictive Empowerment: Measuring Empowerment without a Simulator [56.53777237504011]
  我々は、より実用的な方法でエンパワーメントを計算するアルゴリズムであるLatent-Predictive Empowerment(LPE)を提案する。 LPEは、スキルと国家間の相互情報の原則的な置き換えである目的を最大化することで、大きなスキルセットを学習する。
  論文  参考訳（メタデータ） (2024-10-15T00:41:18Z)
• Toward In-Context Teaching: Adapting Examples to Students' Misconceptions [54.82965010592045]
  本稿ではAdapTと呼ばれる一連のモデルと評価手法を紹介する。 AToMは、学生の過去の信念を共同で推論し、将来の信念の正しさを最適化する適応教育の新しい確率論的モデルである。 本研究は,適応型学習課題の難しさと,それを解決するための学習適応モデルの可能性を両立させるものである。
  論文  参考訳（メタデータ） (2024-05-07T17:05:27Z)
• The dynamic interplay between in-context and in-weight learning in humans and neural networks [15.744573869783972]
  In-context Learning" (ICL) は、ニューラルネットワークに固有のIWLと共存可能な、根本的に異なる学習特性を持たせることができることを示す。 我々の研究は、創発的なICLが、そのネイティブなIWLと共存可能な、根本的に異なる学習特性を持つニューラルネットワークをどのように装備できるかを示している。
  論文  参考訳（メタデータ） (2024-02-13T18:55:27Z)
• Modeling Pedagogical Learning Environment with Hybrid Model based on ICT [0.0]
  我々はICT教育の観点から教育学習環境を設計した。 ICT教育の方法論では、教育は異なる要素間の相互作用を含む。 ハイブリッドモデルは、標準、ステージ、年次レベル、クラスレベルの組み合わせを表します。
  論文  参考訳（メタデータ） (2021-08-09T11:24:27Z)
• RLTutor: Reinforcement Learning Based Adaptive Tutoring System by Modeling Virtual Student with Fewer Interactions [10.34673089426247]
  本稿では,学生の仮想モデルを構築し,指導戦略を最適化する枠組みを提案する。 この結果は,eラーニングシステムにおける理論的指導最適化と実践的応用のバッファとして機能する。
  論文  参考訳（メタデータ） (2021-07-31T15:42:03Z)
• Behavior Priors for Efficient Reinforcement Learning [97.81587970962232]
  本稿では,情報とアーキテクチャの制約を,確率論的モデリング文献のアイデアと組み合わせて行動の事前学習を行う方法について考察する。 このような潜伏変数の定式化が階層的強化学習(HRL)と相互情報と好奇心に基づく目的との関係について論じる。 シミュレーションされた連続制御領域に適用することで,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2020-10-27T13:17:18Z)
• Concept Learners for Few-Shot Learning [76.08585517480807]
  本研究では,人間の解釈可能な概念次元に沿って学習することで,一般化能力を向上させるメタ学習手法であるCOMETを提案する。 我々は,細粒度画像分類,文書分類,セルタイプアノテーションなど,さまざまな領域からの少数ショットタスクによるモデルの評価を行った。
  論文  参考訳（メタデータ） (2020-07-14T22:04:17Z)

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。