論文の概要: Toward Generalized Autonomous Agents: A Neuro-Symbolic AI Framework for Integrating Social and Technical Support in Education

• arxiv url: http://arxiv.org/abs/2508.18406v1
• Date: Mon, 25 Aug 2025 18:46:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.558153
• Title: Toward Generalized Autonomous Agents: A Neuro-Symbolic AI Framework for Integrating Social and Technical Support in Education
• Title（参考訳）: 汎用自律エージェントに向けて:教育における社会的・技術的支援を統合するニューロシンボリックAIフレームワーク
• Authors: Ryan Hare, Ying Tang,
• Abstract要約: 教育における永続的な課題の1つは、学生が学習の所有権を取得できるようにする方法である。 大規模言語モデル(LLM)とニューロシンボリックシステムの最近の進歩は、デジタル学習環境におけるサポートの提供方法を再定義する転換的な機会を提供する。 本稿では、上記の課題を解決するために設計された多エージェント・ニューロシンボリック・フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.336538451986937
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the enduring challenges in education is how to empower students to take ownership of their learning by setting meaningful goals, tracking their progress, and adapting their strategies when faced with setbacks. Research has shown that this form of leaner-centered learning is best cultivated through structured, supportive environments that promote guided practice, scaffolded inquiry, and collaborative dialogue. In response, educational efforts have increasingly embraced artificial-intelligence (AI)-powered digital learning environments, ranging from educational apps and virtual labs to serious games. Recent advances in large language models (LLMs) and neuro-symbolic systems, meanwhile, offer a transformative opportunity to reimagine how support is delivered in digital learning environments. LLMs are enabling socially interactive learning experiences and scalable, cross-domain learning support that can adapt instructional strategies across varied subjects and contexts. In parallel, neuro-symbolic AI provides new avenues for designing these agents that are not only adaptive but also scalable across domains. Based on these remarks, this paper presents a multi-agent, neuro-symbolic framework designed to resolve the aforementioned challenges. The framework assigns distinct pedagogical roles to specialized agents: an RL-based 'tutor' agent provides authoritative, non-verbal scaffolding, while a proactive, LLM-powered 'peer' agent facilitates the social dimensions of learning. While prior work has explored such agents in isolation, our framework's novelty lies in unifying them through a central educational ontology. Through case studies in both college-level and middle school settings, we demonstrate the framework's adaptability across domains. We conclude by outlining key insights and future directions for advancing AI-driven learning environments.
• Abstract（参考訳）: 教育における永続的な課題の1つは、学生が意味のある目標を設定し、進捗を追跡し、挫折に直面した時に戦略を適応することによって、学習の所有権を獲得する方法である。 このようなリーン中心学習の形式は、ガイド付き実践、足場調査、協調対話を促進する構造化された支援的な環境を通じて、最もよく栽培されていることが研究で示されている。 これを受けて、教育活動は、教育アプリやバーチャルラボから真剣なゲームまで、AI(Artificial-Intelligence)を利用したデジタル学習環境をますます取り入れている。 大規模言語モデル(LLM)とニューロシンボリックシステムの最近の進歩は、デジタル学習環境におけるサポートの提供方法を再考する転換的な機会を提供する。 LLMは、社会的にインタラクティブな学習体験と、さまざまな主題やコンテキストにまたがる教育戦略を適応できるスケーラブルなクロスドメイン学習サポートを可能にする。 並行して、ニューロシンボリックAIは、適応性だけでなく、ドメインにわたってスケーラブルなこれらのエージェントを設計するための新しい道を提供する。 そこで本研究では,これらの課題を解決するために,マルチエージェント・ニューロシンボリック・フレームワークを提案する。 RLをベースとした「チューター」エージェントは権威的で非言語的な足場を提供し、LLMをベースとした「ピア」エージェントは学習の社会的次元を促進する。 これまでの研究は、このようなエージェントを単独で探索してきたが、我々の枠組みの斬新さは、中央の教育オントロジーを通じてそれらを統一することにある。 大学レベルの設定と中学レベルの設定のケーススタディを通じて、ドメイン間のフレームワークの適応性を実証する。 私たちは、AI駆動学習環境を前進させるための重要な洞察と今後の方向性を概説して結論付けます。

関連論文リスト

• A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
  大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。 この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-07-28T17:59:05Z)
• FLoRA: An Advanced AI-Powered Engine to Facilitate Hybrid Human-AI Regulated Learning [6.965423433136556]
  本稿では、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FLoRAエンジンについて紹介する。 FLoRA Engineは、協調書き込み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。
  論文  参考訳（メタデータ） (2025-07-10T01:11:52Z)
• AI Pedagogy: Dialogic Social Learning for Artificial Agents [0.6553587309274792]
  本研究では,従来のAIトレーニング手法の限界に対処するために,社会的に媒介する学習パラダイムの可能性を探る。 そこで我々は,AI学習者エージェントが,知識のあるAI教師エージェントと教科の教育対話を行う,AIソーシャルガイム(AI Social Gym)と呼ばれる動的環境を導入する。 我々の調査は、異なる教育戦略が、買収の文脈におけるAI学習プロセスにどのように影響するかに焦点を当てている。
  論文  参考訳（メタデータ） (2025-05-25T11:19:48Z)
• A Computational Model of Inclusive Pedagogy: From Understanding to Application [1.2058600649065616]
  人間の教育は単なる知識伝達を超越し、共適応力学に依存している。 中心性にもかかわらず、共適応型教師-学生相互作用(T-SI)の計算モデルは未開発のままである。 本稿では,人間教育の文脈的洞察をテスト可能なフレームワークに統合する計算的T-SIモデルを提案する。
  論文  参考訳（メタデータ） (2025-05-02T12:26:31Z)
• 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)
• Guiding Empowerment Model: Liberating Neurodiversity in Online Higher Education [2.703906279696349]
  本稿では,学習と機能に影響を与える動的要因のスペクトルを同定することにより,ニューロディバージェントと状況に制約のある学習者の公平なギャップを解消する。 本稿では,タスク管理のカスタマイズ,多様なコンテンツアクセスのガイド,マルチモーダルコラボレーションのガイドなどにより,このモードを適用することで,主要な学習障壁を取り除くことを提案する。
  論文  参考訳（メタデータ） (2024-10-24T16:05:38Z)
• 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)

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。