論文の概要: The Revolution Has Arrived: What the Current State of Large Language Models in Education Implies for the Future
- arxiv url: http://arxiv.org/abs/2507.02180v1
- Date: Wed, 02 Jul 2025 22:23:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-04 15:37:15.2791
- Title: The Revolution Has Arrived: What the Current State of Large Language Models in Education Implies for the Future
- Title（参考訳）: 教育における大規模言語モデルの現状が今後どう影響するか
- Authors: Russell Beale,
- Abstract要約: 大規模言語モデルが使用されているドメインをレビューし、さまざまなユースケース、その成功と失敗について議論する。
教育システムとして真に有用かつ効果的になるためには,LLMが直面する主な設計課題を検討する。
彼らがもたらす新たなインタラクションパラダイムが重要であることを明確にし、このアプローチがユビキタスになり、私たちが技術と対話するデフォルトの方法になる、と論じています。
- 参考スコア（独自算出の注目度）: 1.2691047660244332
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Large language Models have only been widely available since 2022 and yet in less than three years have had a significant impact on approaches to education and educational technology. Here we review the domains in which they have been used, and discuss a variety of use cases, their successes and failures. We then progress to discussing how this is changing the dynamic for learners and educators, consider the main design challenges facing LLMs if they are to become truly helpful and effective as educational systems, and reflect on the learning paradigms they support. We make clear that the new interaction paradigms they bring are significant and argue that this approach will become so ubiquitous it will become the default way in which we interact with technologies, and revolutionise what people expect from computer systems in general. This leads us to present some specific and significant considerations for the design of educational technology in the future that are likely to be needed to ensure acceptance by the changing expectations of learners and users.
- Abstract（参考訳）: 大規模言語モデルは2022年から広く利用できるようになったが、3年足らずで教育と教育技術へのアプローチに大きな影響を与えた。
ここでは、それらが使用されているドメインをレビューし、さまざまなユースケース、その成功と失敗について議論する。
そして、これが学習者や教育者にとってのダイナミクスをどのように変えているかについて議論し、LLMが本当に教育システムとして有用で効果的になるためには、LLMが直面する主な設計課題について検討し、彼らが支援する学習パラダイムを反映する。
彼らがもたらす新たなインタラクションパラダイムが重要であることを明確にし、このアプローチがユビキタスになり、私たちが技術と対話するデフォルトの方法となり、人々がコンピュータシステム全体に期待するものに革命をもたらす、と論じています。
これにより,学習者や利用者の期待の変化による受容を確実にするために必要な,将来的な教育技術の設計について,具体的かつ重要な考察がなされることになる。
関連論文リスト
- Large Language Models Will Change The Way Children Think About Technology And Impact Every Interaction Paradigm [1.2691047660244332]
本稿は,大規模言語モデルが教育に与える影響を概観し,今後の変化に比較して,これらの効果が軽微であることを示す。
我々は,これらの変化の影響を実証する小さなシナリオと自己エスノグラフィー研究を行い,対話型システム設計者が将来対応しなければならない5つの重要な考慮事項を定義した。
論文 参考訳（メタデータ） (2025-04-18T13:01:27Z) - "Would You Want an AI Tutor?" Understanding Stakeholder Perceptions of LLM-based Systems in the Classroom [7.915714424668589]
教室における大規模言語モデルによって直接的あるいは間接的に影響を受ける人々の認識を理解することは、この重要な領域におけるAIの責任ある使用を保証するために不可欠である、と我々は主張する。
学習におけるLLMの導入に関する文脈認識(Co-PALE)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-02-02T16:50:08Z) - From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳（メタデータ） (2024-09-05T13:22:51Z) - A review on the use of large language models as virtual tutors [5.014059576916173]
大規模言語モデル (LLMs) は、いくつかの分野や産業で大きな話題を呼んだ。
本総説では,教育資料の生成・評価に特化して設計されたソリューションの概要を概観する。
予想通り、これらのシステムの最も一般的な役割は、自動質問生成のための仮想チューターである。
論文 参考訳（メタデータ） (2024-05-20T12:33:42Z) - Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
我々は、生成AIと適応学習の交差研究に光を当てた。
我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献するだろうと論じている。
論文 参考訳（メタデータ） (2024-02-02T23:54:51Z) - Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。
本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
論文 参考訳（メタデータ） (2023-12-27T14:37:32Z) - A Survey of Large Language Models [81.06947636926638]
言語モデリングは、過去20年間、言語理解と生成のために広く研究されてきた。
近年,大規模コーパス上でのトランスフォーマーモデルの事前学習により,事前学習言語モデル (PLM) が提案されている。
パラメータスケールの違いを識別するために、研究コミュニティは大規模言語モデル (LLM) という用語を提唱した。
論文 参考訳（メタデータ） (2023-03-31T17:28:46Z) - Situating Recommender Systems in Practice: Towards Inductive Learning
and Incremental Updates [9.47821118140383]
概念を形式化し、過去6年間に推奨されたシステムをコンテキスト化します。
次に、モデル設計と評価のためのインクリメンタルな学習とインクリメンタルなアップデートに向けて、今後の作業がなぜ、どのように進むべきかについて議論する。
論文 参考訳（メタデータ） (2022-11-11T17:29:35Z) - INTERN: A New Learning Paradigm Towards General Vision [117.3343347061931]
我々はInterNという新しい学習パラダイムを開発した。
複数の段階の複数のソースからの監視信号を用いて学習することにより、トレーニング対象のモデルは強力な一般化性を生み出す。
ほとんどの場合、ターゲットドメインのトレーニングデータの10%しか適応していないモデルが、完全なデータセットでトレーニングされたトレーニングデータよりも優れています。
論文 参考訳（メタデータ） (2021-11-16T18:42:50Z) - 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) - Computer-Aided Personalized Education [15.811740322935476]
過去10年間で、導入コースを受講する米国の学生数は3倍に増えている。
大規模なオープンオンラインコース(MOOC)は、この制約を緩和する方法として推進されている。
計算ツールに依存したパーソナライズド教育はこの課題に対処できる。
論文 参考訳（メタデータ） (2020-07-07T18:00:04Z)
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。