論文の概要: Transparent Adaptive Learning via Data-Centric Multimodal Explainable AI

• arxiv url: http://arxiv.org/abs/2508.00665v1
• Date: Fri, 01 Aug 2025 14:36:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.912825
• Title: Transparent Adaptive Learning via Data-Centric Multimodal Explainable AI
• Title（参考訳）: Data-Centric Multimodal Explainable AIによる透明適応学習
• Authors: Maryam Mosleh, Marie Devlin, Ellis Solaiman,
• Abstract要約: ほとんどの説明可能なAI(XAI)技術は、技術的なアウトプットに重点を置いているが、ユーザの役割や理解は無視されている。 本稿では,従来のXAI技術と,生成型AIモデルとユーザパーソナライゼーションを統合したハイブリッドフレームワークを提案する。 私たちの目標は、ユーザ中心のエクスペリエンスをサポートしながら透明性を高める、説明可能なAIへの移行です。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence-driven adaptive learning systems are reshaping education through data-driven adaptation of learning experiences. Yet many of these systems lack transparency, offering limited insight into how decisions are made. Most explainable AI (XAI) techniques focus on technical outputs but neglect user roles and comprehension. This paper proposes a hybrid framework that integrates traditional XAI techniques with generative AI models and user personalisation to generate multimodal, personalised explanations tailored to user needs. We redefine explainability as a dynamic communication process tailored to user roles and learning goals. We outline the framework's design, key XAI limitations in education, and research directions on accuracy, fairness, and personalisation. Our aim is to move towards explainable AI that enhances transparency while supporting user-centred experiences.
• Abstract（参考訳）: 人工知能による適応学習システムは、データによる学習経験の適応を通じて教育を再構築している。 しかし、これらのシステムの多くは透明性に欠けており、意思決定方法に関する限られた洞察を提供しています。 ほとんどの説明可能なAI(XAI)技術は、技術的なアウトプットに重点を置いているが、ユーザの役割や理解は無視されている。 本稿では,従来のXAI手法を生成型AIモデルとユーザパーソナライズと統合して,ユーザニーズに合わせたマルチモーダルなパーソナライズされた説明を生成するハイブリッドフレームワークを提案する。 ユーザの役割や学習目標に適した動的なコミュニケーションプロセスとして、説明可能性を再定義する。 フレームワークの設計、教育における重要なXAI制限、正確性、公平性、パーソナライゼーションに関する研究の方向性について概説する。 私たちの目標は、ユーザ中心のエクスペリエンスをサポートしながら透明性を高める、説明可能なAIへの移行です。

関連論文リスト

• AI-Powered Math Tutoring: Platform for Personalized and Adaptive Education [0.0]
  本稿では,適応的およびパーソナライズされたフィードバック,構造化コース生成,教科書知識検索を組み合わせた,新しいマルチエージェントAI学習プラットフォームを提案する。 このシステムにより、学生は新しいトピックを学習し、弱点を特定し、ターゲティングし、試験を効果的に修正し、無制限にパーソナライズされたエクササイズを実践することができる。
  論文  参考訳（メタデータ） (2025-07-14T20:35:16Z)
• Explanation User Interfaces: A Systematic Literature Review [4.8032298282965025]
  ユーザへの説明の提示は簡単ではなく、しばしばシステムの設計プロセスの二次的な側面として残される。 本稿では,XUI(Systematic Literature Review on Explanation User Interfaces)を,学術文献におけるソリューションと設計ガイドラインのより深い理解を得るために提案する。 我々はまた、XUIの設計と評価において実践者や学者を導くために、Human-cEnteRed DevelopmentMent of Explainable User InterfaceS (HERMES)を提案する。
  論文  参考訳（メタデータ） (2025-05-26T15:00:17Z)
• Explainable artificial intelligence (XAI): from inherent explainability to large language models [0.0]
  説明可能なAI(XAI)技術は、機械学習モデルの説明可能性や解釈可能性を促進する。 本稿では、本質的に解釈可能なモデルから現代的なアプローチまで、説明可能なAI手法の進歩について詳述する。 我々は、視覚言語モデル(VLM)フレームワークを利用して、他の機械学習モデルの説明可能性を自動化または改善する説明可能なAI技術についてレビューする。
  論文  参考訳（メタデータ） (2025-01-17T06:16:57Z)
• Human-Centric eXplainable AI in Education [0.0]
  本稿では,教育現場における人間中心型eXplainable AI(HCXAI)について検討する。 学習成果の向上、ユーザ間の信頼の向上、AI駆動ツールの透明性確保における役割を強調している。 ユーザ理解とエンゲージメントを優先するHCXAIシステムの開発のための包括的なフレームワークを概説する。
  論文  参考訳（メタデータ） (2024-10-18T14:02:47Z)
• Towards Automated Knowledge Integration From Human-Interpretable Representations [55.2480439325792]
  我々は,情報メタ学習の原理を理論的に導入・動機付けし,自動的かつ制御可能な帰納バイアス選択を可能にする。 データ効率と一般化を改善するための情報メタラーニングのメリットと限界を実証的に示す。
  論文  参考訳（メタデータ） (2024-02-25T15:08:37Z)
• XAI for All: Can Large Language Models Simplify Explainable AI? [0.0699049312989311]
  x-[plAIn]"は、カスタムのLarge Language Modelを通じて、XAIをより広く利用できるようにする新しいアプローチである。 我々の目標は、様々なXAI手法の明確で簡潔な要約を生成できるモデルを設計することであった。 使用事例調査の結果から,本モデルは理解し易く,観衆特有の説明を提供するのに有効であることが示された。
  論文  参考訳（メタデータ） (2024-01-23T21:47:12Z)
• Towards Human Cognition Level-based Experiment Design for Counterfactual Explanations (XAI) [68.8204255655161]
  XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。 認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。 本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-10-31T19:20:22Z)
• Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
  本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。 また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
  論文  参考訳（メタデータ） (2021-08-17T17:44:38Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)
• 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。