論文の概要: Optimizing Geometry Problem Sets for Skill Development

• arxiv url: http://arxiv.org/abs/2509.02758v1
• Date: Tue, 02 Sep 2025 19:04:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.314299
• Title: Optimizing Geometry Problem Sets for Skill Development
• Title（参考訳）: スキル開発のための幾何学的問題集合の最適化
• Authors: Michael Bouzinier, Sergey Trifonov,
• Abstract要約: ユークリッド幾何学問題の注釈と整理は1990年代初頭に開発され、ソフトウェアツールとして実装された。 我々は、現代の人工知能の文脈において、それが再び関係していると論じている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article describes an ontology and methodology for annotating and organizing Euclidean Geometry problems, developed in the early 1990s and implemented as a software tool. While the majority of this work -- including the ontology and solution graph paradigm -- was completed over thirty years ago, we argue that it has renewed relevance in the context of modern artificial intelligence. In particular, we explore the hypothesis that this established framework can facilitate automated solution validation and feedback when paired with contemporary large language models, thereby supporting teachers and self-learners in geometry education. We document the original architecture and its enduring value, and outline pathways for bridging historical educational resources with next-generation AI techniques.
• Abstract（参考訳）: この記事では、1990年代初頭に開発され、ソフトウェアツールとして実装されたユークリッド幾何学の問題を注釈付けし、整理するためのオントロジーと方法論について述べる。 この研究の大部分は、オントロジーとソリューショングラフのパラダイムを含むが、30年以上前に完了したが、現代の人工知能の文脈において、新たな関連性があると主張している。 特に,この確立したフレームワークは,現代の大規模言語モデルと組み合わせることで,自動解法検証とフィードバックを容易にし,幾何学教育における教師や自己学習者を支援することができるという仮説を考察する。 我々は、原型アーキテクチャとその持続的価値を文書化し、次世代AI技術で歴史的教育資源をブリッジするための経路を概説する。

関連論文リスト

• A Survey of Deep Learning for Geometry Problem Solving [52.90604903858389]
  幾何学的問題解決は、教育、AIの数学的能力の評価、マルチモーダル能力の評価など、様々な領域で不可欠である。 近年のディープラーニング技術、特にマルチモーダルな大規模言語モデルの出現は、この分野の研究を著しく加速させている。
  論文  参考訳（メタデータ） (2025-07-16T06:03:08Z)
• Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
  構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。 近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
  論文  参考訳（メタデータ） (2023-06-20T14:21:58Z)

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。