論文の概要: Beyond prior knowledge: The predictive role of knowledge-building in Tutor Learning

• arxiv url: http://arxiv.org/abs/2508.18545v1
• Date: Mon, 25 Aug 2025 22:45:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.618787
• Title: Beyond prior knowledge: The predictive role of knowledge-building in Tutor Learning
• Title（参考訳）: 事前知識を超えて:テュータラーニングにおける知識構築の予測的役割
• Authors: Tasmia Shahriar, Mia Ameen, Aditi Mallavarapu, Shiyan Jiang, Noboru Matsuda,
• Abstract要約: チューター学習は、概念的知識と手続き的知識の2つの相互関連知識を含んでいる。 本研究では,手続き学習と概念学習の双方向関係を媒介する知識構築の役割について検討する。
• 参考スコア（独自算出の注目度）: 1.6474262142781433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When adopting the role of a teacher in learning-by-teaching environments, students often struggle to engage in knowledge-building activities, such as providing explanations and addressing misconceptions. Instead, they frequently default to knowledge-telling behaviors, where they simply dictate what they already know or what to do without deeper reflection, thereby limiting learning. Teachable agents, particularly those capable of posing persistent follow-up questions, have been shown to encourage students (tutors) to shift from knowledge-telling to knowledge-building and enhance tutor learning. Tutor learning encompasses two interrelated types of knowledge: conceptual and procedural knowledge. Research has established a bidirectional relationship between these knowledge types, where improvements in one reinforce the other. This study investigates the role of knowledge-building in mediating the bidirectional relationship between procedural and conceptual learning. Our findings revealed a stable bidirectional relationship between procedural and conceptual knowledge, with higher post-test scores observed among students who engaged in knowledge-building, regardless of their procedural and conceptual pre-test performance. This suggests that knowledge-building serves as a crucial mechanism bridging the gap between students with low prior knowledge and higher conceptual and procedural learning gain.
• Abstract（参考訳）: 教師の役割を教育環境に取り入れる際、生徒は説明の提供や誤解への対処といった知識構築活動に苦慮することが多い。 その代わり、彼らはしばしば、知識を測る行動にデフォルトを定め、そこでは、自分たちがすでに知っていることや何をすべきかを、深く反映せずに決定し、学習を制限する。 教育可能なエージェント、特に永続的なフォローアップ質問に反応できるエージェントは、学生(教師)が知識テリングから知識構築へ移行し、家庭教師の学習を強化するよう促すことが示されている。 チューター学習は、概念的知識と手続き的知識の2つの相互関連知識を含んでいる。 研究はこれらの知識タイプの間に双方向の関係を確立しており、一方の改善は他方を補強している。 本研究では,手続き学習と概念学習の双方向関係を媒介する知識構築の役割について検討する。 その結果, 手続き的, 概念的知識の相互関係は良好であり, 手続き的, 概念的事前テストのパフォーマンスに関わらず, 知識構築に携わる学生の間では高いスコアが得られた。 このことは、知識構築が、事前知識の低い学生とより概念的で手続き的な学習の獲得の間のギャップを埋める決定的なメカニズムであることを示している。

関連論文リスト

• GraphRAG-Induced Dual Knowledge Structure Graphs for Personalized Learning Path Recommendation [56.37740554448673]
  本稿では知識概念構造グラフ生成モジュールEDU-GraphRAGを紹介する。 次に、ブロックされた学習経路の問題を緩和する識別学習駆動強化学習(DLRL)モジュールを提案する。 我々は3つのベンチマークデータセットに対して広範な実験を行い、その手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-06-27T15:15:42Z)
• How Do LLMs Acquire New Knowledge? A Knowledge Circuits Perspective on Continual Pre-Training [92.88889953768455]
  大きな言語モデル(LLM)は、どのようにして新しい知識を内部化するかを理解する上で、重大なギャップに直面します。 知識記憶と処理を容易にする計算サブグラフを同定する。
  論文  参考訳（メタデータ） (2025-02-16T16:55:43Z)
• Knowledge Tracing Challenge: Optimal Activity Sequencing for Students [0.9814642627359286]
  知識追跡(きゅうがく、英: Knowledge Trace)は、個々の学習者による知識の獲得を評価・追跡する教育において用いられる手法である。 我々は,AAAI2023 Global Knowledge Tracing Challengeの一環として,新たにリリースされたデータセット上に2つの知識追跡アルゴリズムを実装した結果を示す。
  論文  参考訳（メタデータ） (2023-11-13T16:28:34Z)
• Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
  大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。 しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。 本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
  論文  参考訳（メタデータ） (2023-10-11T08:22:37Z)
• Worth of knowledge in deep learning [3.132595571344153]
  我々は、知識の価値を評価するために、解釈可能な機械学習にインスパイアされたフレームワークを提案する。 我々の研究結果は、依存、相乗効果、置換効果を含む、データと知識の複雑な関係を解明する。 我々のモデルに依存しないフレームワークは、様々な共通ネットワークアーキテクチャに適用でき、ディープラーニングモデルにおける事前知識の役割を包括的に理解することができる。
  論文  参考訳（メタデータ） (2023-07-03T02:25:19Z)
• UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language Models [100.4659557650775]
  構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。 どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
  論文  参考訳（メタデータ） (2023-05-02T17:33:28Z)
• Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
  我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。 知識の抽出と知識の記憶という2つの側面から問題に取り組む。 提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
  論文  参考訳（メタデータ） (2022-08-27T09:27:36Z)

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。