論文の概要: Enter: Graduated Realism: A Pedagogical Framework for AI-Powered Avatars in Virtual Reality Teacher Training

• arxiv url: http://arxiv.org/abs/2506.11890v1
• Date: Fri, 13 Jun 2025 15:37:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.857055
• Title: Enter: Graduated Realism: A Pedagogical Framework for AI-Powered Avatars in Virtual Reality Teacher Training
• Title（参考訳）: 入門:大学院リアリズム:バーチャルリアリティ教育におけるAI活用アバターの教育的枠組み
• Authors: Judson Leroy Dean Haynes IV,
• Abstract要約: 高忠実度アバターは初心者に過剰な認知負荷を課すことができるので、超現実主義は必ずしも最適ではないと我々は主張する。 光リアリズムの技術的推進力と足場学習の教育的ニーズの間には大きなギャップがある。 我々は,低忠実度アバターで研修生を育成するための枠組みである大学院リアリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Virtual Reality simulators offer a powerful tool for teacher training, yet the integration of AI-powered student avatars presents a critical challenge: determining the optimal level of avatar realism for effective pedagogy. This literature review examines the evolution of avatar realism in VR teacher training, synthesizes its theoretical implications, and proposes a new pedagogical framework to guide future design. Through a systematic review, this paper traces the progression from human-controlled avatars to generative AI prototypes. Applying learning theories like Cognitive Load Theory, we argue that hyper-realism is not always optimal, as high-fidelity avatars can impose excessive extraneous cognitive load on novices, a stance supported by recent empirical findings. A significant gap exists between the technological drive for photorealism and the pedagogical need for scaffolded learning. To address this gap, we propose Graduated Realism, a framework advocating for starting trainees with lower-fidelity avatars and progressively increasing behavioral complexity as skills develop. To make this computationally feasible, we outline a novel single-call architecture, Crazy Slots, which uses a probabilistic engine and a Retrieval-Augmented Generation database to generate authentic, real-time responses without the latency and cost of multi-step reasoning models. This review provides evidence-based principles for designing the next generation of AI simulators, arguing that a pedagogically grounded approach to realism is essential for creating scalable and effective teacher education tools.
• Abstract（参考訳）: バーチャルリアリティーシミュレーターは教師のトレーニングに強力なツールを提供するが、AIを利用した学生アバターの統合は、効果的な教育のためにアバターリアリズムの最適なレベルを決定するという重要な課題を提示する。 本稿は,VR教師養成におけるアバターリアリズムの進化を考察し,その理論的意味を総合し,将来のデザインを導くための新たな教育的枠組みを提案する。 本稿では、体系的なレビューを通じて、人間の制御されたアバターから生成型AIプロトタイプへの進化をトレースする。 認知的負荷理論のような学習理論を適用することで、高忠実度アバターは初心者に過剰な認知負荷を課すことができるため、超現実主義は必ずしも最適ではない、と我々は主張する。 光リアリズムの技術的推進力と足場学習の教育的ニーズの間には大きなギャップがある。 このギャップに対処するため、我々は、低忠実度アバターを持つ研修生の育成と、スキルの発達とともに行動の複雑さを徐々に増大させるためのフレームワークである、大学院リアリズムを提案する。 これを実現するために,確率的エンジンとRetrieval-Augmented Generationデータベースを用いて,マルチステップ推論モデルのレイテンシとコストを伴わずに,実時間かつリアルタイムな応答を生成する,新しい単一呼び出しアーキテクチャであるCrazy Slotsを概説する。 このレビューは、次世代のAIシミュレータを設計するためのエビデンスベースの原則を提供し、スケーラブルで効果的な教師教育ツールを作成するためには、現実主義に対する教育的に根ざしたアプローチが不可欠である、と論じている。

関連論文リスト

• Generative Physical AI in Vision: A Survey [78.07014292304373]
  遺伝子人工知能(AI)は、コンピュータビジョンの分野を急速に進歩させ、機械が前例のない高度なビジュアルデータを作成し、解釈できるようにする。 この変換は、現実的な画像、ビデオ、および3D/4Dコンテンツを生成するための生成モデルの基礎の上に構築されている。 生成モデルが進化して物理リアリズムと動的シミュレーションを統合するにつれ、「世界シミュレータ」として機能する可能性が拡大する。
  論文  参考訳（メタデータ） (2025-01-19T03:19:47Z)
• Rapid Virtual Simulations: Achieving 'Satisficing Learning Impact' with 'Realistic-Enough' Activities in Health Science Education [0.0]
  この原稿は、バーチャル教育シミュレーションを作成するための専門家の自主性を促進する新しい技術教育活動であるRapid Virtual Simulationsの概念を紹介している。 それは、最小の複雑なシミュレーションの開発を追求しつつ、満足度(あるいは十分十分な)学習インパクトを確実にするリアル・エナフ哲学に基礎を置いている。
  論文  参考訳（メタデータ） (2024-04-22T10:03:29Z)
• What makes an image realistic? [5.656581242851759]
  非現実的なデータから現実的なデータを確実に検出できる関数を設計する、リアリズムの定量化の問題について議論する。 この問題がなぜ難しいのか、なぜ優れた生成モデルだけで解決できないのか、そして良い解決策がどのようなものかについて議論する。 我々は、敵の批判者と異なり、敵の訓練を必要としない普遍的な批判の概念を導入する。
  論文  参考訳（メタデータ） (2024-03-07T13:49:43Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• RL-CycleGAN: Reinforcement Learning Aware Simulation-To-Real [74.45688231140689]
  本稿では、画像翻訳におけるRL-scene整合性損失を導入し、画像に関連付けられたQ値に対して変換操作が不変であることを保証する。 RL-CycleGANは実世界のシミュレーションから実世界への変換による強化学習のための新しい手法である。
  論文  参考訳（メタデータ） (2020-06-16T08:58:07Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。