論文の概要: Exploring Artificial Intelligence Tutor Teammate Adaptability to Harness Discovery Curiosity and Promote Learning in the Context of Interactive Molecular Dynamics
- arxiv url: http://arxiv.org/abs/2506.22520v1
- Date: Thu, 26 Jun 2025 19:30:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 21:27:53.443758
- Title: Exploring Artificial Intelligence Tutor Teammate Adaptability to Harness Discovery Curiosity and Promote Learning in the Context of Interactive Molecular Dynamics
- Title（参考訳）: 人工知能チューターチームメイトによるハーネス発見好奇心への適応性の探索と対話的分子動力学の文脈における学習の促進
- Authors: Mustafa Demir, Jacob Miratsky, Jonathan Nguyen, Chun Kit Chan, Punya Mishra, Abhishek Singharoy,
- Abstract要約: 本研究では,人工知能学習者チームメイト(AI)が,視覚分子ダイナミクスプラットフォーム上でのインタラクティブ分子ダイナミクス(IMD)タスクにおける学生の好奇心によるエンゲージメントと学習効率に与える影響について検討した。
この研究は、AIの介入が学生のエンゲージメントをどのように形成し、発見好奇心を育み、IMD学習環境におけるチームのパフォーマンスを高めるかをさらに評価する。
- 参考スコア（独自算出の注目度）: 1.0484829165073797
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This study examines the impact of an Artificial Intelligence tutor teammate (AI) on student curiosity-driven engagement and learning effectiveness during Interactive Molecular Dynamics (IMD) tasks on the Visual Molecular Dynamics platform. It explores the role of the AI's curiosity-triggering and response behaviors in stimulating and sustaining student curiosity, affecting the frequency and complexity of student-initiated questions. The study further assesses how AI interventions shape student engagement, foster discovery curiosity, and enhance team performance within the IMD learning environment. Using a Wizard-of-Oz paradigm, a human experimenter dynamically adjusts the AI tutor teammate's behavior through a large language model. By employing a mixed-methods exploratory design, a total of 11 high school students participated in four IMD tasks that involved molecular visualization and calculations, which increased in complexity over a 60-minute period. Team performance was evaluated through real-time observation and recordings, whereas team communication was measured by question complexity and AI's curiosity-triggering and response behaviors. Cross Recurrence Quantification Analysis (CRQA) metrics reflected structural alignment in coordination and were linked to communication behaviors. High-performing teams exhibited superior task completion, deeper understanding, and increased engagement. Advanced questions were associated with AI curiosity-triggering, indicating heightened engagement and cognitive complexity. CRQA metrics highlighted dynamic synchronization in student-AI interactions, emphasizing structured yet adaptive engagement to promote curiosity. These proof-of-concept findings suggest that the AI's dual role as a teammate and educator indicates its capacity to provide adaptive feedback, sustaining engagement and epistemic curiosity.
- Abstract（参考訳）: 本研究では,人工知能学習者チームメイト(AI)が,視覚分子ダイナミクスプラットフォーム上でのインタラクティブ分子ダイナミクス(IMD)タスクにおける学生の好奇心によるエンゲージメントと学習効率に与える影響について検討した。
学生好奇心の刺激と維持におけるAIの好奇心と反応行動の役割を探求し、学生主導の質問の頻度と複雑さに影響を与える。
この研究は、AIの介入が学生のエンゲージメントをどのように形成し、発見好奇心を育み、IMD学習環境におけるチームのパフォーマンスを高めるかをさらに評価する。
人間の実験者は、Wizard-of-Ozパラダイムを使用して、大きな言語モデルを通じてAI教師チームメイトの振る舞いを動的に調整する。
混合メソドス探索設計を用いて、分子可視化と計算を含む4つのIMDタスクに11人の高校生が参加し、60分間に複雑さが増大した。
チームパフォーマンスはリアルタイムの観察と記録を通じて評価され、チームコミュニケーションは質問の複雑さとAIの好奇心と反応の振る舞いによって測定された。
CRQA(Cross Recurrence Quantification Analysis)メトリクスは、協調における構造的アライメントを反映し、通信行動と関連づけられた。
ハイパフォーマンスなチームは、優れたタスク完了、深い理解、エンゲージメントの向上を示しました。
高度な質問は、AI好奇心のトリガリングと関連付けられ、エンゲージメントと認知の複雑さが高められたことを示している。
CRQAメトリクスは、学生とAIの相互作用における動的同期を強調し、好奇心を促進するために構造化されているが適応的なエンゲージメントを強調した。
これらの概念実証は、AIのチームメイトと教育者としての二重の役割が、適応的なフィードバック、エンゲージメントの持続、およびてんかんの好奇心を提供する能力を示していることを示唆している。
関連論文リスト
- (AI peers) are people learning from the same standpoint: Perception of AI characters in a Collaborative Science Investigation [0.0]
シナリオベースアセスメント(SBA)は、本物の社会的相互作用のコンテキストを提供するためのシミュレーションエージェントを導入する。
近年のテキスト・トゥ・ビデオ技術のようなマルチモーダルAIの進歩により、これらのエージェントはAI生成文字に拡張される。
本研究では,協調科学研究の文脈を反映したSBAにおいて,教師とチームメイトの役割を担っているAIキャラクタを学習者がどう感じているかを検討する。
論文 参考訳（メタデータ） (2025-06-06T15:29:11Z) - AI instructional agent improves student's perceived learner control and learning outcome: empirical evidence from a randomized controlled trial [29.45751702212421]
本研究は,教科を主教科とする中等教育課程において,AI指導エージェントが生徒の認知的学習者制御と学業成績に与える影響について検討した。
AI指導エージェントグループの学生は、他のグループに比べて学習者のコントロールが有意に高いことを報告した。
論文 参考訳（メタデータ） (2025-05-28T16:13:27Z) - Improving Question Embeddings with Cognitiv Representation Optimization for Knowledge Tracing [77.14348157016518]
知識追跡(KT)は,学生の知識状況の変化を追跡し,過去の回答記録に基づいて将来の回答を予測することを目的としている。
KTモデリングに関する最近の研究は、既存の未更新の学習相互作用の記録に基づいて、学生の将来のパフォーマンスを予測することに焦点を当てている。
本稿では、動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡モデルのための認知表現最適化を提案する。
論文 参考訳（メタデータ） (2025-04-05T09:32:03Z) - Detecting Neurocognitive Disorders through Analyses of Topic Evolution and Cross-modal Consistency in Visual-Stimulated Narratives [84.03001845263]
神経認知障害(NCD)の早期発見は、時間的介入と疾患管理に不可欠である。
音声と視覚刺激の相互整合性を測定するための2つの新しい動的マクロ構造手法を提案する。
TITANはCU-MARVEL-RABBITコーパスとADReSSコーパスの両方で優れた性能を示した。
論文 参考訳（メタデータ） (2025-01-07T12:16:26Z) - Beyond Following: Mixing Active Initiative into Computational Creativity [7.366868731714772]
本研究では,アクティブで学習的なAIエージェントが創造的責任を期待する創造者に与える影響について検討する。
我々は、人間から学習し、協調的な意思決定の信念を更新し、その能力の切り替えを行うマルチアームバンドエージェントを開発する。
論文 参考訳（メタデータ） (2024-09-06T18:56:08Z) - OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。
これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。
我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文 参考訳（メタデータ） (2024-06-18T16:20:53Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳（メタデータ） (2023-04-30T22:51:31Z) - ELBA: Learning by Asking for Embodied Visual Navigation and Task Completion [11.068806371839424]
本稿では,タスク完了のための追加情報を動的に取得するために,いつ,どの質問をするかを学習するELBA(Embodied Learning-By-Asking)モデルを提案する。
実験結果から,提案手法は質問応答能力のないベースラインモデルと比較して,タスク性能の向上を図っている。
論文 参考訳（メタデータ） (2023-02-09T18:59:41Z) - A Novel Multimodal Approach for Studying the Dynamics of Curiosity in
Small Group Learning [2.55061802822074]
本稿では,仲間の観察可能な行動と根底にある好奇心状態とを結びつける,好奇心の統合社会認知的記述を提案する。
我々は、好奇心に寄与する個人機能と対人機能と、これらの機能を満たすマルチモーダル動作を区別する。
この研究は、社会的文脈における学習中にモーメント・バイ・モーメントの好奇心を認識して誘発できる学習技術を設計するためのステップである。
論文 参考訳（メタデータ） (2022-04-01T16:12:40Z) - 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)
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。