論文の概要: AI That Helps Us Help Each Other: A Proactive System for Scaffolding Mentor-Novice Collaboration in Entrepreneurship Coaching

• arxiv url: http://arxiv.org/abs/2508.11052v1
• Date: Thu, 14 Aug 2025 20:23:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-18 14:51:23.662615
• Title: AI That Helps Us Help Each Other: A Proactive System for Scaffolding Mentor-Novice Collaboration in Entrepreneurship Coaching
• Title（参考訳）: 互いに助け合うAI:起業家のコーチングにおけるメンターと初心者のコラボレーションを積極的に支援するシステム
• Authors: Evey Jiaxin Huang, Matthew Easterday, Elizabeth Gerber,
• Abstract要約: 起業家精神は、未定義のオープンエンドな問題をナビゲートする必要がある。 初心者とメンターの双方を足場とする人間-AIコーチングシステムを提案する。
• 参考スコア（独自算出の注目度）: 3.101600812051321
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Entrepreneurship requires navigating open-ended, ill-defined problems: identifying risks, challenging assumptions, and making strategic decisions under deep uncertainty. Novice founders often struggle with these metacognitive demands, while mentors face limited time and visibility to provide tailored support. We present a human-AI coaching system that combines a domain-specific cognitive model of entrepreneurial risk with a large language model (LLM) to proactively scaffold both novice and mentor thinking. The system proactively poses diagnostic questions that challenge novices' thinking and helps both novices and mentors plan for more focused and emotionally attuned meetings. Critically, mentors can inspect and modify the underlying cognitive model, shaping the logic of the system to reflect their evolving needs. Through an exploratory field deployment, we found that using the system supported novice metacognition, helped mentors plan emotionally attuned strategies, and improved meeting depth, intentionality, and focus--while also surfaced key tensions around trust, misdiagnosis, and expectations of AI. We contribute design principles for proactive AI systems that scaffold metacognition and human-human collaboration in complex, ill-defined domains, offering implications for similar domains like healthcare, education, and knowledge work.
• Abstract（参考訳）: 起業家精神は、リスクを特定し、仮定に挑戦し、深い不確実性の下で戦略的決定を行う、オープンエンドで未定義の問題をナビゲートする必要がある。 初心者の創業者はこれらのメタ認知的要求に苦労することが多いが、メンターは適切なサポートを提供するために限られた時間と可視性に直面している。 本稿では,起業リスクのドメイン固有の認知モデルと大規模言語モデル(LLM)を組み合わせて,初心者とメンターの両思考を積極的に足場とするヒューマンAIコーチングシステムを提案する。 このシステムは、初心者の思考に挑戦する診断的質問を積極的に提起し、初心者とメンターの両方がより集中的で感情的に直感的なミーティングを計画するのを助ける。 批判的に言えば、メンターは基盤となる認知モデルを検査し、修正し、進化するニーズを反映するようにシステムのロジックを形作ることができる。 探索的なフィールド展開を通じて、システムは初歩的メタ認知をサポートし、メンターが感情的に直感的な戦略を計画し、ミーティングの深さ、意図、フォーカスを改善するのに役立ちました。 私たちは、メタ認知と人間と人間のコラボレーションを、複雑で未定義のドメインで足場とするプロアクティブなAIシステムの設計原則に貢献し、医療、教育、知識労働のような類似のドメインに意味を与えます。

関連論文リスト

• FAIRTOPIA: Envisioning Multi-Agent Guardianship for Disrupting Unfair AI Pipelines [1.556153237434314]
  AIモデルは積極的な意思決定者となり、しばしば人間の監督なしに行動している。 エージェントは彼らの環境から学ぶので、公正な保護者としてエージェントを想定する。 本稿では,マルチロールエージェントをエンドツーエンド(人間からAI)のシナジースキームに組み込むフェアネス・バイ・デザイン手法を提案する。
  論文  参考訳（メタデータ） (2025-06-10T17:02:43Z)
• Truly Self-Improving Agents Require Intrinsic Metacognitive Learning [59.60803539959191]
  自己改善エージェントは、最小限の監督で継続的に新しい能力を取得することを目的としている。 現在のアプローチは2つの重要な制限に直面している。自己改善プロセスは、しばしば厳格であり、タスクドメイン全体にわたって一般化できない。 我々は、効果的な自己改善は、エージェントの本質的な能力として定義された固有のメタ認知学習を必要とし、自身の学習プロセスを積極的に評価し、反映し、適応させる。
  論文  参考訳（メタデータ） (2025-06-05T14:53:35Z)
• Designing the Future of Entrepreneurship Education: Exploring an AI-Empowered Scaffold System for Business Plan Development [2.240765873294129]
  起業教育は学生に革新的アイデアを実践可能な起業計画に転換させる。 従来のアプローチは、成功に必要なパーソナライズされたガイダンスと実践的なアライメントを提供するのに苦労することが多い。 本研究では,これらの課題に対処するためのAIを活用した足場システムの設計ニーズについて検討する。
  論文  参考訳（メタデータ） (2025-05-29T10:35:55Z)
• From Consumption to Collaboration: Measuring Interaction Patterns to Augment Human Cognition in Open-Ended Tasks [2.048226951354646]
  ジェネレーティブAIの台頭、特に大規模言語モデル(LLM)は、知識労働における認知過程を根本的に変えるものである。 本稿では、認知活動モード(探索対搾取)と認知エンゲージメントモード(建設対有害)の2つの側面に沿って相互作用パターンを分析する枠組みを提案する。
  論文  参考訳（メタデータ） (2025-04-03T17:20:36Z)
• Metacognition for Unknown Situations and Environments (MUSE) [3.2020845462590697]
  未知の状況と環境(MUSE)フレームワークのメタ認知を提案する。 MUSEはメタ認知プロセス、特に自己認識と自己制御を自律エージェントに統合する。 エージェントは自己認識と自己制御の大幅な改善を示す。
  論文  参考訳（メタデータ） (2024-11-20T18:41:03Z)
• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。 AIシステムは特にメタ認知に苦しむ。 スマートAIのベンチマーク、トレーニング、実装について論じる。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
  我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。 学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。 トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:38:57Z)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
  外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。 我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
  論文  参考訳（メタデータ） (2022-03-19T03:22:57Z)

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。