論文の概要: Simulating Student Success in the Age of GenAI: A Kantian-Axiomatic Perspective
- arxiv url: http://arxiv.org/abs/2510.00091v1
- Date: Thu, 25 Sep 2025 03:01:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-03 16:59:20.177619
- Title: Simulating Student Success in the Age of GenAI: A Kantian-Axiomatic Perspective
- Title（参考訳）: GenAI時代の学生成功のシミュレーション--カンチアン・アクシオマティックな視点から
- Authors: Seyma Yaman Kayadibi,
- Abstract要約: 本研究は,モンテカルロシミュレーションを用いて,生成型AI(GenAI)を用いた学生の認知的成功を,カンチアン・アキシマティックレンズを用いて再解釈する。
- 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 study reinterprets a Monte Carlo simulation of students' perceived success with generative AI (GenAI) through a Kantian-axiomatic lens. Building on prior work, theme-level survey statistics Ease of Use and Learnability, System Efficiency and Learning Burden, and Perceived Complexity and Integration from a representative dataset are used to generate 10,000 synthetic scores per theme on the [1,5] Likert scale. The simulated outputs are evaluated against the axioms of dense linear order without endpoints (DLO): irreflexivity, transitivity, total comparability (connectedness), no endpoints (no greatest and no least; A4-A5), and density (A6). At the data level, the basic ordering axioms (A1-A3) are satisfied, whereas no-endpoints (A4-A5) and density (A6) fail as expected. Likert clipping introduces minimum and maximum observed values, and a finite, discretized sample need not contain a value strictly between any two distinct scores. These patterns are read not as methodological defects but as markers of an epistemological boundary. Following Kant and Friedman, the findings suggest that what simulations capture finite, quantized observations cannot instantiate the ideal properties of an unbounded, dense continuum. Such properties belong to constructive intuition rather than to finite sampling alone. A complementary visualization contrasts the empirical histogram with a sine-curve proxy to clarify this divide. The contribution is interpretive rather than data-expansive: it reframes an existing simulation as a probe of the synthetic a priori structure underlying students' perceptions, showing how formal order-theoretic coherence coexists with principled failures of endpoint-freeness and density in finite empirical models.
- Abstract（参考訳）: 本研究では, モンテカルロシミュレーションを用いて, 生成型AI(GenAI)を用いた学生の認知的成功を, カンチアン・アキシマティックレンズを用いて再現する。
先行研究に基づいて、[1,5]Likertスケールで、テーマごとに1万の合成スコアを生成するために、使用と学習の容易化、システム効率と学習バーデン、代表データセットからの知覚複雑度と統合を使用して、テーマレベルの調査統計データを構築します。
シミュレーションされた出力は、非屈曲性、推移性、全可視性(接続性)、無終端(極大かつ少なくともA4-A5)、密度(A6)の高密度線形次数公理に対して評価される。
データレベルでは、基本順序公理(A1〜A3)が満たされるのに対し、非終点(A4〜A5)と密度(A6)は期待通りに失敗する。
ストレートクリッピングは最小値と最大値を導入し、有限で離散化されたサンプルは2つの異なるスコアの間に厳密に値を含める必要はない。
これらのパターンは、方法論的な欠陥ではなく、認識論的境界のマーカーとして解釈される。
カントとフリードマンに続いて、シミュレーションが有限で量子化された観測を捉えることは、非有界で密度の強い連続体の理想的な性質をインスタンス化できないことを示唆している。
そのような性質は有限サンプリング単独ではなく、建設的な直観に属する。
相補的な可視化は、経験的ヒストグラムと正弦曲線のプロキシとを対比して、この分割を明確にする。
既存のシミュレーションを、学生の知覚を基礎とした合成先行構造の調査として再構成し、形式的な秩序理論的コヒーレンスが、有限経験モデルにおける終端自由度と密度の原則的失敗とどのように共存するかを示す。
関連論文リスト
- A Theory of $θ$-Expectations [2.1756081703276]
我々は、ドライバーがポイントワイズ幾何学である微分方程式のクラスのためのフレームワークを開発する。
システムのトラクタビリティは、世界的なユニークかつグローバルな存在を前提としている。
ドライバー関数に対するリプシッツ最大値写像。
論文 参考訳（メタデータ） (2025-07-27T16:56:01Z) - I Predict Therefore I Am: Is Next Token Prediction Enough to Learn Human-Interpretable Concepts from Data? [76.15163242945813]
大規模言語モデル (LLM) は、多くの人が知能の形式を示すと結論づけている。
本稿では,潜在離散変数として表現される人間解釈可能な概念に基づいてトークンを生成する新しい生成モデルを提案する。
論文 参考訳（メタデータ） (2025-03-12T01:21:17Z) - Analyzing Generative Models by Manifold Entropic Metrics [8.477943884416023]
抽出可能な情報理論評価指標を新たに導入する。
EMNISTデータセット上の各種正規化フローアーキテクチャと$beta$-VAEを比較した。
私たちの実験で最も興味深い発見は、トレーニング中に整列および非整合表現に収束する誘導バイアスの観点から、モデルアーキテクチャとトレーニング手順のランク付けです。
論文 参考訳（メタデータ） (2024-10-25T09:35:00Z) - Graph Stochastic Neural Process for Inductive Few-shot Knowledge Graph Completion [63.68647582680998]
I-FKGC(inductive few-shot knowledge graph completion)と呼ばれる課題に焦点をあてる。
帰納的推論(inductive reasoning)の概念に着想を得て,I-FKGCを帰納的推論問題とした。
本稿では,仮説の連成分布をモデル化したニューラルプロセスに基づく仮説抽出器を提案する。
第2のモジュールでは、この仮説に基づいて、クエリセットのトリプルが抽出された仮説と一致するかどうかをテストするグラフアテンションベースの予測器を提案する。
論文 参考訳（メタデータ） (2024-08-03T13:37:40Z) - Convergence of Adam Under Relaxed Assumptions [72.24779199744954]
我々は、アダムがより現実的な条件下で、$O(epsilon-4)$勾配複雑性で$epsilon$-定常点に収束することを示している。
また、Adamの分散還元版を$O(epsilon-3)$の加速勾配複雑性で提案する。
論文 参考訳（メタデータ） (2023-04-27T06:27:37Z) - Instability and Local Minima in GAN Training with Kernel Discriminators [20.362912591032636]
GAN(Generative Adversarial Networks)は、複雑なデータの生成モデリングに広く使われているツールである。
実験的な成功にもかかわらず、ジェネレータと判別器のmin-max最適化のため、GANの訓練は十分には理解されていない。
本稿では、真のサンプルと生成されたサンプルが離散有限集合であり、判別器がカーネルベースである場合に、これらの関節力学を解析する。
論文 参考訳（メタデータ） (2022-08-21T18:03:06Z) - Provable Guarantees for Self-Supervised Deep Learning with Spectral
Contrastive Loss [72.62029620566925]
自己教師型学習の最近の研究は、対照的な学習パラダイムを頼りに、最先端の技術の進歩を遂げている。
我々の研究は、正の対の条件的独立性を仮定することなく、対照的な学習を分析する。
本稿では,人口増分グラフ上でスペクトル分解を行う損失を提案し,コントラスト学習目的として簡潔に記述することができる。
論文 参考訳（メタデータ） (2021-06-08T07:41:02Z) - A Simulation-Based Test of Identifiability for Bayesian Causal Inference [9.550238260901121]
本稿では,シミュレーションによる粒子最適化に基づく完全自動同定テストを提案する。
我々は,SBIがグラフに基づく識別の既知結果と,グラフに基づく手法が不確定な設計に対する広範囲にわたる直観に一致していることを示す。
論文 参考訳（メタデータ） (2021-02-23T15:42:06Z) - Efficient Semi-Implicit Variational Inference [65.07058307271329]
効率的でスケーラブルな半単純外挿 (SIVI) を提案する。
本手法はSIVIの証拠を低勾配値の厳密な推測にマッピングする。
論文 参考訳（メタデータ） (2021-01-15T11:39:09Z) - Goal-directed Generation of Discrete Structures with Conditional
Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。
提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文 参考訳（メタデータ） (2020-10-05T20:03:13Z)
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。