論文の概要: WIP: Enhancing Game-Based Learning with AI-Driven Peer Agents

• arxiv url: http://arxiv.org/abs/2508.01169v1
• Date: Sat, 02 Aug 2025 03:11:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 14:24:37.7436
• Title: WIP: Enhancing Game-Based Learning with AI-Driven Peer Agents
• Title（参考訳）: WIP:AI駆動ピアエージェントによるゲームベースの学習の強化
• Authors: Chengzhang Zhu, Cecile H. Sam, Yanlai Wu, Ying Tang,
• Abstract要約: K-12 STEM教育におけるエンゲージメントと知識保持を高めるために設計されたゲーミフィケーション学習プラットフォーム。 初期の教室パイロットは、テスト前とテスト後、ゲーム内分析、学生や教師からの質的なフィードバックを組み合わせたマルチメソッドアセスメントフレームワークを利用した。 予備調査の結果,学生のエンゲージメントは有意に増加し,ほとんどの参加者はSTEMに対する関心が高かった。
• 参考スコア（独自算出の注目度）: 6.742610157385567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work-in-progress paper presents SPARC (Systematic Problem Solving and Algorithmic Reasoning for Children), a gamified learning platform designed to enhance engagement and knowledge retention in K-12 STEM education. Traditional approaches often struggle to motivate students or facilitate deep understanding, especially for complex scientific concepts. SPARC addresses these challenges by integrating interactive, narrative-driven gameplay with an artificial intelligence peer agent built on large language models. Rather than simply providing answers, the agent engages students in dialogue and inquiry, prompting them to explain concepts and solve problems collaboratively. The platform's design is grounded in educational theory and closely aligned with state learning standards. Initial classroom pilots utilized a multi-method assessment framework combining pre- and post-tests, in-game analytics, and qualitative feedback from students and teachers. Preliminary findings indicate that SPARC significantly increases student engagement, with most participants reporting greater interest in STEM subjects and moderate gains in conceptual understanding observed in post-test results. Ongoing development focuses on refining the AI agent, expanding curriculum integration, and improving accessibility. These early results demonstrate the potential of combining AI-driven peer support with game-based learning to create inclusive, effective, and engaging educational experiences for K-12 learners.
• Abstract（参考訳）: 本論文は,K-12 STEM教育におけるエンゲージメントと知識保持の促進を目的としたゲーム学習プラットフォームであるSPARC(Systematic Problem Solving and Algorithmic Reasoning for Children)を提案する。 伝統的なアプローチは、特に複雑な科学的概念において、学生を動機づけたり、深い理解を促進するのに苦労することが多い。 SPARCは、対話的で物語駆動のゲームプレイと、大規模言語モデル上に構築された人工知能ピアエージェントを統合することで、これらの課題に対処する。 エージェントは単に答えを提供するのではなく、学生に対話や調査を行い、概念を説明し、協力的に問題を解決するよう促す。 プラットフォームの設計は教育理論に基づいており、州の学習基準と密接に一致している。 初期の教室パイロットは、テスト前とテスト後、ゲーム内分析、学生や教師からの質的なフィードバックを組み合わせたマルチメソッドアセスメントフレームワークを利用した。 予備的な研究結果から,SPARCは学生のエンゲージメントを著しく増加させ,ほとんどの参加者はSTEMの被験者に対する関心が高まり,また,ポストテストの結果で観察された概念的理解の適度な向上を報告している。 今後の開発は、AIエージェントの精錬、カリキュラムの統合の拡大、アクセシビリティの改善に重点を置いている。 これらの初期の結果は、AIによるピアサポートとゲームベースの学習を組み合わせることで、K-12学習者のための包括的で効果的で魅力的な教育体験を作り出す可能性を実証している。

関連論文リスト

• Beyond Automation: Socratic AI, Epistemic Agency, and the Implications of the Emergence of Orchestrated Multi-Agent Learning Architectures [0.0]
  ジェネレーティブAIはもはや高等教育における周辺ツールではない。 本稿では,ソクラティックAIテュータの評価実験から得られた知見について述べる。 テューターを使用する学生は、批判的、独立的、反省的な思考に対する大きな支持を報告した。
  論文  参考訳（メタデータ） (2025-08-07T07:49:03Z)
• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• Innovative Tangible Interactive Games for Enhancing Artificial Intelligence Knowledge and Literacy in Elementary Education: A Pedagogical Framework [0.0]
  本稿では,人工知能(AI)の知識とリテラシーを高めるために,有形対話型ゲームを用いた革新的なフレームワークを提案する。 21世紀におけるAI能力の重要性の高まりを認識し、この研究は、年齢に適した経験的学習ツールに対する重要なニーズに対処する。
  論文  参考訳（メタデータ） (2025-05-31T17:40:30Z)
• A Structured Unplugged Approach for Foundational AI Literacy in Primary Education [7.495145157323768]
  小学校における基礎的AIリテラシーを育成する構造的教育手法を提案する。 以上の結果から,用語理解と利用,特徴記述,論理的推論,評価能力の向上が示唆された。 このアプローチは、特に学生がAIの概念と現実世界の推論を結びつける活動を楽しんでいることを証明した。
  論文  参考訳（メタデータ） (2025-05-27T16:23:57Z)
• Personalizing Student-Agent Interactions Using Log-Contextualized Retrieval Augmented Generation (RAG) [3.5262811753348715]
  大規模言語モデル(LLM)は動的教育的相互作用を促進するが、信頼性、信頼、教育的価値を損なう。 Retrieval-augmented Generation (RAG)は、LLMの出力をキュレートした知識に基礎を置いているが、ユーザ入力と知識ベースとの明確なセマンティックリンクが必要である。 環境ログを用いて協調会話を文脈化することでRAG検索を強化した対数文脈化RAG(LC-RAG)を提案する。
  論文  参考訳（メタデータ） (2025-05-22T19:31:40Z)
• LLM4CD: Leveraging Large Language Models for Open-World Knowledge Augmented Cognitive Diagnosis [56.50378080174923]
  オープンワールド知識強化認知診断のための大規模言語モデルを活用するLCM4CDを提案する。 本手法はLLMのオープンワールド知識を利用して認知表現型テキスト表現を構築し,CDタスクにリッチな意味情報を導入する。 このアプローチは、従来のID埋め込みを意味表現に置き換え、新しい学生やオープンワールドの知識を持つエクササイズに対応できるようにし、コールドスタート問題に対処する。
  論文  参考訳（メタデータ） (2025-05-14T14:48:00Z)
• IntelliChain: An Integrated Framework for Enhanced Socratic Method Dialogue with LLMs and Knowledge Graphs [1.810537720642316]
  本研究では,ソクラテス教育に適したマルチエージェントシステムの設計とコラボレーションの最適化方法について検討する。 この研究は知識グラフを組み込むことによって、特定の教育内容を扱うLLMの能力を高めた。
  論文  参考訳（メタデータ） (2025-01-07T03:32:29Z)
• Toward enriched Cognitive Learning with XAI [44.99833362998488]
  本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。 CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
  論文  参考訳（メタデータ） (2023-12-19T16:13:47Z)
• Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
  目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。 GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。 PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-03T12:37:16Z)
• Enhancing STEM Learning with ChatGPT and Bing Chat as Objects to Think With: A Case Study [0.0]
  本研究では、高度な対話型AIであるChatGPTとBing Chatの「考える対象」としての可能性について検討する。 この研究は、ChatGPTとBing Chatが、STEM教育に革命をもたらす有望な道を提供する、と結論付けている。
  論文  参考訳（メタデータ） (2023-05-01T12:20:18Z)
• AGI: Artificial General Intelligence for Education [41.45039606933712]
  本稿では,人工知能(AGI)の重要な概念,能力,範囲,将来的な教育の可能性について概説する。 AGIは知的学習システム、教育評価、評価手順を大幅に改善することができる。 この論文は、AGIの能力が人間の感情や社会的相互作用を理解することに拡張されていることを強調している。
  論文  参考訳（メタデータ） (2023-04-24T22:31:59Z)
• Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
  パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。 私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
  論文  参考訳（メタデータ） (2021-04-15T20:40:24Z)
• Rethinking Supervised Learning and Reinforcement Learning in Task-Oriented Dialogue Systems [58.724629408229205]
  本稿では、従来の教師あり学習とシミュレータなしの逆学習法を用いて、最先端のRL法に匹敵する性能を実現する方法を示す。 我々の主な目的は、教師あり学習で強化学習に勝ることではなく、タスク指向対話システムの最適化における強化学習と教師あり学習の役割を再考する価値を示すことである。
  論文  参考訳（メタデータ） (2020-09-21T12:04:18Z)
• A Dependency Syntactic Knowledge Augmented Interactive Architecture for End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
  エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。 このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。 3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-04-04T14:59:32Z)

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。