論文の概要: FLoRA: An Advanced AI-Powered Engine to Facilitate Hybrid Human-AI Regulated Learning

• arxiv url: http://arxiv.org/abs/2507.07362v1
• Date: Thu, 10 Jul 2025 01:11:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.242837
• Title: FLoRA: An Advanced AI-Powered Engine to Facilitate Hybrid Human-AI Regulated Learning
• Title（参考訳）: FLoRA: ハイブリッドなヒューマンAIレギュレーション学習を実現する高度なAIエンジン
• Authors: Xinyu Li, Tongguang Li, Lixiang Yan, Yuheng Li, Linxuan Zhao, Mladen Raković, Inge Molenaar, Dragan Gašević, Yizhou Fan,
• Abstract要約: flora Engineには、高度な生成人工知能(GenAI)機能と最先端の学習分析が含まれている。 flora Engineは、動的で適応的な、個々のニーズに合わせてリアルタイムで調整された足場をサポートする。
• 参考スコア（独自算出の注目度）: 6.965423433136556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: SRL, defined as learners' ability to systematically plan, monitor, and regulate their learning activities, is crucial for sustained academic achievement and lifelong learning competencies. Emerging Artificial Intelligence (AI) developments profoundly influence SRL interactions by potentially either diminishing or strengthening learners' opportunities to exercise their own regulatory skills. Recent literature emphasizes a balanced approach termed Hybrid Human-AI Regulated Learning (HHAIRL), in which AI provides targeted, timely scaffolding while preserving the learners' role as active decision-makers and reflective monitors of their learning process. Nevertheless, existing digital tools frequently fall short, lacking adaptability, focusing narrowly on isolated SRL phases, and insufficiently support meaningful human-AI interactions. In response, this paper introduces the enhanced \flora Engine, which incorporates advanced Generative Artificial Intelligence (GenAI) features and state-of-the-art learning analytics, explicitly grounded in SRL and HHAIRL theories. The \flora Engine offers instrumentation tools such as collaborative writing, multi-agents chatbot, and detailed learning trace logging to support dynamic, adaptive scaffolding tailored to individual needs in real time. We further present a summary of several research studies that provide the validations for and illustrate how these instrumentation tools can be utilized in real-world educational and experimental contexts. These studies demonstrate the effectiveness of \flora Engine in fostering SRL and HHAIRL, providing both theoretical insights and practical solutions for the future of AI-enhanced learning context.
• Abstract（参考訳）: 学習者の学習活動を体系的に計画し、監視し、規制する能力として定義されたSRLは、持続的な学術的達成と生涯学習能力に不可欠である。 新興人工知能(AI)の発展は、学習者が自身の規制スキルを行使する機会を減らしたり強化したりすることで、SRLの相互作用に大きな影響を与える。 近年の文献では、HHAIRL(Hybrid Human-AI Regulated Learning)と呼ばれるバランスの取れたアプローチを強調している。 それでも、既存のデジタルツールは、しばしば不足し、適応性に欠け、孤立したSRLフェーズに限定し、意味のある人間とAIの相互作用を不十分にサポートしている。 そこで本研究では,SRL理論とHHAIRL理論を基礎として,高度な生成人工知能(GenAI)機能と最先端の学習分析を組み込んだ拡張型 \flora Engineを提案する。 \flora Engineは、共同作成やマルチエージェントチャットボット、詳細な学習トレースログといったインスツルメンテーションツールを提供し、動的で適応的な足場をリアルタイムでサポートしている。 さらに,これらの計測ツールが現実の教育や実験の文脈でどのように活用できるかを検証し,説明するためのいくつかの研究成果の要約を示す。 これらの研究は, SRL と HHAIRL の育成における \flora Engine の有効性を示した。

関連論文リスト

• Fostering Self-Directed Growth with Generative AI: Toward a New Learning Analytics Framework [0.0]
  本研究では,ジェネレーティブ・人工知能とラーニング・アナリティクスを統合した新たな概念的枠組みを導入する。 A2PLモデルは, GAI支援環境における学習者の願望, 複雑な思考, 自己評価の相互作用を再認識する。
  論文  参考訳（メタデータ） (2025-04-29T15:19:48Z)
• Evolution of AI in Education: Agentic Workflows [2.1681971652284857]
  人工知能(AI)は教育の様々な側面を変えてきた。 大規模言語モデル(LLM)は、自動学習、アセスメント、コンテンツ生成の進歩を推進している。 これらの制限に対処し、より持続可能な技術プラクティスを促進するために、AIエージェントは教育革新のための有望な新しい道として登場した。
  論文  参考訳（メタデータ） (2025-04-25T13:44:57Z)
• Synergizing Self-Regulation and Artificial-Intelligence Literacy Towards Future Human-AI Integrative Learning [92.34299949916134]
  自己制御学習(SRL)と人工知能(AI)リテラシーは、人間とAIの対話学習を成功させる上で重要な能力となっている。 本研究では,4つの学習グループを明らかにするクラスタリング手法を用いて,1,704人の中国人大学生のデータを分析した。
  論文  参考訳（メタデータ） (2025-03-31T13:41:21Z)
• The FLoRA Engine: Using Analytics to Measure and Facilitate Learners' own Regulation Activities [6.043195170209631]
  FLoRAエンジンは、学生、労働者、専門家が自己統制学習(SRL)のスキルを向上させるのを支援するために開発された。 このエンジンは学習中の学習者のSRL行動を追跡し、学習者が学習を効果的に制御するのに役立つ自動足場を提供する。
  論文  参考訳（メタデータ） (2024-12-12T23:46:20Z)
• Generative AI and Its Impact on Personalized Intelligent Tutoring Systems [0.0]
  生成AIは、動的コンテンツ生成、リアルタイムフィードバック、適応学習経路を通じてパーソナライズされた教育を可能にする。 報告では、自動質問生成、カスタマイズされたフィードバック機構、対話システムなどの重要な応用について検討する。 今後の方向性は、マルチモーダルAI統合の潜在的な進歩、学習システムにおける感情的知性、そしてAI駆動型教育の倫理的意味を強調する。
  論文  参考訳（メタデータ） (2024-10-14T16:01:01Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• Autonomous Reinforcement Learning: Formalism and Benchmarking [106.25788536376007]
  人間や動物が行うような現実世界の具体的学習は、連続的で非エポゾディックな世界にある。 RLの一般的なベンチマークタスクはエピソジックであり、試行錯誤によってエージェントに複数の試行を行う環境がリセットされる。 この相違は、擬似環境向けに開発されたRLアルゴリズムを現実世界のプラットフォーム上で実行しようとする場合、大きな課題となる。
  論文  参考訳（メタデータ） (2021-12-17T16:28:06Z)

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。