論文の概要: Student Engagement in AI Assisted Complex Problem Solving: A Pilot Study of Human AI Rubik's Cube Collaboration

• arxiv url: http://arxiv.org/abs/2511.01683v1
• Date: Mon, 03 Nov 2025 15:46:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.315219
• Title: Student Engagement in AI Assisted Complex Problem Solving: A Pilot Study of Human AI Rubik's Cube Collaboration
• Title（参考訳）: 複雑な問題解決を支援するAIの学生エンゲージメント:人間のAIルービックキューブコラボレーションのパイロット研究
• Authors: Kirk Vanacore, Jaclyn Ocumpaugh, Forest Agostinelli, Dezhi Wu, Sai Vuruma, Matt Irvin,
• Abstract要約: 複雑な問題を解決する新しいAIアルゴリズムは、パズルの解法における足場付き指導の機会を提供する。 本稿では,AIアルゴリズム(DeepCubeA)を用いて,ルービックキューブの一般的な第1ステップの解決を指導するALLUREシステムを提案する。
• 参考スコア（独自算出の注目度）: 1.5427176052504386
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Games and puzzles play important pedagogical roles in STEM learning. New AI algorithms that can solve complex problems offer opportunities for scaffolded instruction in puzzle solving. This paper presents the ALLURE system, which uses an AI algorithm (DeepCubeA) to guide students in solving a common first step of the Rubik's Cube (i.e., the white cross). Using data from a pilot study we present preliminary findings about students' behaviors in the system, how these behaviors are associated with STEM skills - including spatial reasoning, critical thinking and algorithmic thinking. We discuss how data from ALLURE can be used in future educational data mining to understand how students benefit from AI assistance and collaboration when solving complex problems.
• Abstract（参考訳）: ゲームやパズルはSTEM学習において重要な教育的役割を担っている。 複雑な問題を解決する新しいAIアルゴリズムは、パズルの解法における足場付き指導の機会を提供する。 本稿では、AIアルゴリズム(DeepCubeA)を用いて、ルービックキューブの一般的な第1ステップ(白十字)を解く学生を指導するALLUREシステムを提案する。 パイロットスタディから得られたデータを用いて,システムにおける学生の行動,これらの行動が空間的推論,批判的思考,アルゴリズム的思考など,STEMスキルとどのように関連しているかについて予備的な知見を提示する。 我々は、将来の教育データマイニングにおいて、ALLUREからのデータをどのように利用できるかについて議論し、複雑な問題を解決する際に、学生がAI支援やコラボレーションの恩恵を受ける方法を理解する。

関連論文リスト

• Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
  システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。 このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。 我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-10-07T17:49:24Z)
• Encouraging Responsible Use of Generative AI in Education: A Reward-Based Learning Approach [0.7889270818022226]
  本研究は、生成AIを統合した革新的な数学的学習手法を導入し、素早い解ではなく構造化学習を育成する。 目標は、学生が迅速な修正を求めることから、総合的な学習体験に積極的に参加することにある。
  論文  参考訳（メタデータ） (2024-06-26T14:27:24Z)
• Trust and ethical considerations in a multi-modal, explainable AI-driven chatbot tutoring system: The case of collaboratively solving Rubik's Cube [13.560874044962429]
  高校のAI教育における著名な倫理的問題は、データのプライバシー、情報漏洩、虐待的言語、公平性である。 本稿では,マルチモーダル・コラボレーティブ・プラットフォームにおける倫理的かつ信頼性の高い懸念に対処するために構築された技術コンポーネントについて述べる。 データプライバシでは、子どもや親、教師のインフォームドコンセントが、管理されるデータの中心にあることを確実にしたいと思っています。
  論文  参考訳（メタデータ） (2024-01-30T16:33:21Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Problem Learning: Towards the Free Will of Machines [19.365648708008624]
  本稿では,データやマシンの環境との相互作用から,有効かつ倫理的な問題を発見し,定義することを目的とした問題解決について述べる。 より広い意味では、問題解決は知的機械の自由意志へのアプローチである。
  論文  参考訳（メタデータ） (2021-09-01T04:08:09Z)
• The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
  MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。 Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。 これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
  論文  参考訳（メタデータ） (2021-07-05T12:18:17Z)
• Reset-Free Reinforcement Learning via Multi-Task Learning: Learning Dexterous Manipulation Behaviors without Human Intervention [67.1936055742498]
  マルチタスク学習は、リセットフリーの学習スキームをはるかに複雑な問題に効果的にスケールできることを示す。 この研究は、人間の介入なしにRLを用いて現実世界での巧妙な操作行動を学ぶ能力を示す。
  論文  参考訳（メタデータ） (2021-04-22T17:38:27Z)
• Problems in AI research and how the SP System may help to solve them [0.0]
  本稿では,AI研究における問題点と,SPシステムがそれらをどのように解決するかについて述べる。 問題のほとんどは、科学作家のMartin Ford氏へのインタビューで、AIの先導的な研究者によって説明されている。
  論文  参考訳（メタデータ） (2020-09-02T11:33:07Z)

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。