論文の概要: OnlineMate: An LLM-Based Multi-Agent Companion System for Cognitive Support in Online Learning

• arxiv url: http://arxiv.org/abs/2509.14803v2
• Date: Sat, 20 Sep 2025 06:11:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 12:27:33.501894
• Title: OnlineMate: An LLM-Based Multi-Agent Companion System for Cognitive Support in Online Learning
• Title（参考訳）: OnlineMate: オンライン学習における認知支援のためのLLMベースのマルチエージェントコンパニオンシステム
• Authors: Xian Gao, Zongyun Zhang, Ting Liu, Yuzhuo Fu,
• Abstract要約: 大規模言語モデル(LLM)によって駆動されるマルチエージェント学習支援システムである OnlineMate を提案する。 OnlineMateは、ピアライクなエージェントの役割をシミュレートし、協調的な議論中に学習者の認知状態に適応し、誤解、混乱、モチベーションなどの心理的状態を推測する。 シミュレーション学習シナリオにおける実験結果から,オンライン学習環境における認知的エンゲージメントを高めつつ,オンライン学習と議論を効果的に促進することが示された。
• 参考スコア（独自算出の注目度）: 20.08144763551689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In online learning environments, students often lack personalized peer interactions, which play a crucial role in supporting cognitive development and learning engagement. Although previous studies have utilized large language models (LLMs) to simulate interactive dynamic learning environments for students, these interactions remain limited to conversational exchanges, lacking insights and adaptations to the learners' individualized learning and cognitive states. As a result, students' interest in discussions with AI learning companions is low, and they struggle to gain inspiration from such interactions. To address this challenge, we propose OnlineMate, a multi-agent learning companion system driven by LLMs that integrates the Theory of Mind (ToM). OnlineMate is capable of simulating peer-like agent roles, adapting to learners' cognitive states during collaborative discussions, and inferring their psychological states, such as misunderstandings, confusion, or motivation. By incorporating Theory of Mind capabilities, the system can dynamically adjust its interaction strategies to support the development of higher-order thinking and cognition. Experimental results in simulated learning scenarios demonstrate that OnlineMate effectively fosters deep learning and discussions while enhancing cognitive engagement in online educational settings.
• Abstract（参考訳）: オンライン学習環境において、学生はパーソナライズされたピアインタラクションを欠くことが多く、認知発達と学習活動を支援する上で重要な役割を担っている。 従来の研究では、大規模言語モデル(LLM)を用いて学生の対話型動的学習環境をシミュレートしているが、これらの相互作用は会話の交換に限られており、学習者の個別学習や認知状態に対する洞察や適応が欠如している。 結果として、AI学習仲間との議論に対する学生の関心は低く、そのような相互作用からインスピレーションを得るのに苦労している。 この課題に対処するため、我々は、心の理論(ToM)を統合したLLMによって駆動されるマルチエージェント学習支援システムであるOnlineMateを提案する。 OnlineMateは、ピアライクなエージェントの役割をシミュレートし、協調的な議論中に学習者の認知状態に適応し、誤解、混乱、モチベーションなどの心理的状態を推測する。 思考理論を取り入れることで、システムは対話戦略を動的に調整し、高次思考と認知の発達を支援することができる。 シミュレーション学習シナリオにおける実験結果から,オンライン学習環境における認知的エンゲージメントを高めつつ,オンライン学習と議論を効果的に促進することが示された。

関連論文リスト

• 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)
• Examining the Role of LLM-Driven Interactions on Attention and Cognitive Engagement in Virtual Classrooms [9.241265477406078]
  対人質問行動が学生のエンゲージメント、注意力、認知負荷、学習結果に与える影響について検討した。 その結果,認知的負荷が学習材料への注目度の増加と強く相関していることから,他者の認知的負荷を直接導入しなかったことが示唆された。
  論文  参考訳（メタデータ） (2025-05-12T09:21:19Z)
• Playpen: An Environment for Exploring Learning Through Conversational Interaction [81.67330926729015]
  本研究は,対話ゲームが学習のフィードバック信号の源として機能するかどうかを考察する。 本稿では,対話ゲームによるオフラインおよびオンライン学習環境であるPlaypenを紹介する。 SFTによる模倣学習は、目に見えないインスタンスのパフォーマンスを向上させるが、他のスキルに悪影響を及ぼす。
  論文  参考訳（メタデータ） (2025-04-11T14:49:33Z)
• Building Knowledge from Interactions: An LLM-Based Architecture for Adaptive Tutoring and Social Reasoning [42.09560737219404]
  大規模言語モデルは、人間のようなコミュニケーションにおいて有望であるが、そのスタンドアロンの使用は、メモリ制約とコンテキストの不整合によって妨げられている。 この研究は、LLMに基づく社会的・タスク指向のヒューマンロボットインタラクションにおける自律的意思決定を強化する、マルチモーダルで認知にインスパイアされたフレームワークを提示する。 自律性とパーソナライゼーションをさらに強化するために,体験の選択,保存,検索を行うメモリシステムを導入する。
  論文  参考訳（メタデータ） (2025-04-02T10:45:41Z)
• The StudyChat Dataset: Student Dialogues With ChatGPT in an Artificial Intelligence Course [1.9116784879310025]
  大規模言語モデル(LLM)は教育に大きな影響を与え、機会と課題の両方を提起している。 本研究では,LLMを用いた実世界の学生インタラクションのデータセットであるStudioChatを紹介する。 本稿では,ChatGPTのコア機能を再現したWebアプリケーションをデプロイし,学生のLLMとのインタラクションをログに記録する。 これらの相互作用を分析し、利用傾向を強調し、特定の生徒の行動がコースの結果とどのように関連しているかを分析する。
  論文  参考訳（メタデータ） (2025-03-11T00:17:07Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• SELFI: Autonomous Self-Improvement with Reinforcement Learning for Social Navigation [54.97931304488993]
  体験と対話し、改善する自己改善ロボットは、ロボットシステムの現実的な展開の鍵となる。 本研究では,オンラインロボット体験を活用したオンライン学習手法であるSELFIを提案する。 本研究では, 衝突回避の観点からの改善と, より社会的に順応する行動について報告する。
  論文  参考訳（メタデータ） (2024-03-01T21:27:03Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)

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。