論文の概要: Examining the Role of LLM-Driven Interactions on Attention and Cognitive Engagement in Virtual Classrooms

• arxiv url: http://arxiv.org/abs/2505.07377v1
• Date: Mon, 12 May 2025 09:21:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.332897
• Title: Examining the Role of LLM-Driven Interactions on Attention and Cognitive Engagement in Virtual Classrooms
• Title（参考訳）: 仮想教室におけるLLM-Driven Interactionsの役割の意識と認知的エンゲージメントの検討
• Authors: Suleyman Ozdel, Can Sarpkaya, Efe Bozkir, Hong Gao, Enkelejda Kasneci,
• Abstract要約: 対人質問行動が学生のエンゲージメント、注意力、認知負荷、学習結果に与える影響について検討した。 その結果,認知的負荷が学習材料への注目度の増加と強く相関していることから,他者の認知的負荷を直接導入しなかったことが示唆された。
• 参考スコア（独自算出の注目度）: 9.241265477406078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transforming educational technologies through the integration of large language models (LLMs) and virtual reality (VR) offers the potential for immersive and interactive learning experiences. However, the effects of LLMs on user engagement and attention in educational environments remain open questions. In this study, we utilized a fully LLM-driven virtual learning environment, where peers and teachers were LLM-driven, to examine how students behaved in such settings. Specifically, we investigate how peer question-asking behaviors influenced student engagement, attention, cognitive load, and learning outcomes and found that, in conditions where LLM-driven peer learners asked questions, students exhibited more targeted visual scanpaths, with their attention directed toward the learning content, particularly in complex subjects. Our results suggest that peer questions did not introduce extraneous cognitive load directly, as the cognitive load is strongly correlated with increased attention to the learning material. Considering these findings, we provide design recommendations for optimizing VR learning spaces.
• Abstract（参考訳）: 大型言語モデル(LLM)とバーチャルリアリティ(VR)を統合した教育技術への転換は、没入型およびインタラクティブな学習体験の可能性を秘めている。 しかし,LLMが教育環境におけるユーザエンゲージメントや注意力に与える影響は未解決のままである。 本研究では,LLMによる仮想学習環境を利用して,学生がこのような環境下でどのように振る舞うかを,ピアや教師がLLMで調査した。 具体的には、学生の学習内容、注意力、認知負荷、学習結果にピアの質問行動がどう影響するかを調査し、LLMを駆使したピア学習者が質問する条件下では、学習内容、特に複雑な被験者に焦点をあてて、より標的となる視線スキャンパスが示されることを見出した。 その結果,認知的負荷が学習材料への注目度の増加と強く相関していることから,他者の認知的負荷を直接導入しなかったことが示唆された。 これらの知見を踏まえ、VR学習空間を最適化するための設計勧告を提供する。

関連論文リスト

• Evaluating the Impact of AI-Powered Audiovisual Personalization on Learner Emotion, Focus, and Learning Outcomes [5.753241925582828]
  我々は、LLMを用いてパーソナライズされたマルチ感覚学習環境を生成するAIシステムを導入する。 本研究は,パーソナライズされた視覚要素の組み合わせが学習者の認知負荷とエンゲージメントに与える影響について考察する。 本研究の目的は、感情に反応する教育技術を進化させ、マルチモーダル LLM を自己指向学習の感覚次元に応用することである。
  論文  参考訳（メタデータ） (2025-05-05T21:19:50Z)
• Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs [49.18567856499736]
  本研究では,大規模言語モデル(LLM)が対話学習を支援することができるかどうかを検討する。 我々は,学習者の知識レベルを対話全体にわたって追跡するために,ラベル付きデータに知識追跡(KT)手法を適用した。 我々は,2つの学習対話データセットの実験を行い,従来のKT手法よりも学生の反応の正しさを予測できる新しいLCM-based method LLMKTが優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-24T22:31:39Z)
• Exploring Engagement and Perceived Learning Outcomes in an Immersive Flipped Learning Context [0.195804735329484]
  本研究の目的は,学生のオンラインエンゲージメントと学習成果に対する没入型フリップ学習アプローチのメリットと課題を検討することである。 この研究は、高レベルの学生エンゲージメントと学習結果の認知を明らかにしたが、改善が必要な領域も明らかにした。 この研究の成果は、有意義で効果的な遠隔学習体験をデザインしようとする教育者にとって貴重な情報源となる可能性がある。
  論文  参考訳（メタデータ） (2024-09-19T11:38:48Z)
• Emotion Based Prediction in the Context of Optimized Trajectory Planning for Immersive Learning [0.0]
  没入型学習の仮想要素として,Google Expeditionとタッチスクリーンによる感情の利用について検討した。 教育的応用、余裕、認知的負荷が関係する対応する手段である。
  論文  参考訳（メタデータ） (2023-12-18T09:24:35Z)
• Impact of Guidance and Interaction Strategies for LLM Use on Learner Performance and Perception [19.335003380399527]
  大規模言語モデル(LLM)は、その教育的有用性を探求する研究の増加とともに、有望な道を提供する。 本研究は,LLM支援学習環境の形成において,教師が果たす役割を強調した。
  論文  参考訳（メタデータ） (2023-10-13T01:21:52Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Seeing Differently, Acting Similarly: Imitation Learning with Heterogeneous Observations [126.78199124026398]
  多くの実世界の模倣学習タスクでは、デモレーターと学習者は異なるが完全な観察空間で行動しなければならない。 本研究では、上記の学習問題を異種観察学習(HOIL)としてモデル化する。 本稿では,重要度重み付け,拒否学習,アクティブクエリに基づくIWREアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-17T05:44:04Z)
• Exploring Visual Engagement Signals for Representation Learning [56.962033268934015]
  VisEは、クラスタ化されたエンゲージメント信号から派生した擬似ラベルにソーシャルイメージをマップする弱い教師付き学習アプローチである。 この方法でトレーニングされたモデルが、感情認識や政治的バイアス検出といった主観的なコンピュータビジョンタスクにどのように役立つかを研究する。
  論文  参考訳（メタデータ） (2021-04-15T20:50:40Z)
• Reinforcement Learning with Videos: Combining Offline Observations with Interaction [151.73346150068866]
  強化学習は、ロボットが経験からスキルを得るための強力なフレームワークである。 人間のビデオは、広くて興味深い体験のソースとしてすぐに手に入る。 ビデオによる強化学習のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-12T17:15:48Z)
• Knowledge-guided Deep Reinforcement Learning for Interactive Recommendation [49.32287384774351]
  インタラクティブレコメンデーションは、アイテムとユーザ間の動的インタラクションから学び、応答性と精度を達成することを目的としている。 本稿では,知識指導型深層強化学習を提案する。
  論文  参考訳（メタデータ） (2020-04-17T05:26:47Z)

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。