論文の概要: AI as a component in the action research tradition of learning-by-doing

• arxiv url: http://arxiv.org/abs/2511.11445v1
• Date: Fri, 14 Nov 2025 16:14:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.713173
• Title: AI as a component in the action research tradition of learning-by-doing
• Title（参考訳）: 学習による行動研究の伝統の構成要素としてのAI
• Authors: Ian Benson, Alexei Semenov,
• Abstract要約: 我々は行動研究、ハッキング、発見、調査、学習・バイ・ドーピングを通じて数学を学ぶことを検討する。 自己認識、型、関数、構造化図面、形式図に基づく学習モデルは、ドリルと練習の弱点に対処する。 この伝統は対話と数学の役割を強調している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We consider learning mathematics through action research, hacking, discovery, inquiry, learning-by-doing as opposed to the instruct and perform, industrial model of the 19th century. A learning model based on self-awareness, types, functions, structured drawing and formal diagrams addresses the weaknesses of drill and practice and the pitfalls of statistical prediction with Large Language Models. In other words, we build mathematics/informatics education on the activity of a professional mathematician in mathematical modelling and designing programs. This tradition emphasises the role of dialogue and doing mathematics. In the Language/Action approach the teacher designs mathematising situations that scaffold previously encountered, or not-known-how-to-solve problems for the learner while teachers and teacher/interlocutors supervise the process. A critical feature is the written-oral dialogue between the learner and the teacher. As a rule, this is 1 to 1 communication. The role of the teacher/interlocutor, a more knowledgeable other, is mostly performed by a more senior student, 1 per 5 to 7 pupils. After Doug Engelbart we propose the metaphor of human intellect augmented by digital technologies such as interactive development environments or AI. Every human has their bio and digital parts. The bio part of the learner reacts to their work through dialogue in the mind. The digital part poses questions, interprets code and proposes not necessarily sound ideas.
• Abstract（参考訳）: 我々は、19世紀のインストラクションと実行の産業モデルとは対照的に、行動研究、ハッキング、発見、調査、学習を通した数学の学習を検討する。 自己認識,タイプ,関数,構造化図,形式図に基づく学習モデルは,ドリルと練習の弱点と大規模言語モデルによる統計的予測の落とし穴に対処する。 言い換えれば、数理モデリングと設計プログラムにおけるプロの数学者の活動に基づいて、数学・情報学の教育を構築する。 この伝統は対話と数学の役割を強調している。 Language/Actionアプローチでは、教師と教師/インターロケータがプロセスを監督している間に、教師は、以前遭遇した足場、あるいは学習者にとって未知の解決課題を数学的に設計する。 重要な特徴は、学習者と教師の口頭対話である。 原則として、これは1対1の通信です。 教師/インタロケーターの役割は、より知識のある生徒である5人から7人の生徒に1人ずつ、より上級の生徒によって演じられる。 Doug Engelbartの後、インタラクティブな開発環境やAIといったデジタル技術によって強化された人間の知能のメタファーを提案する。 すべての人間には生体とデジタルの部品がある。 学習者の生体部位は、心の中の対話を通して作業に反応する。 デジタル部分は疑問を呈し、コードを解釈し、必ずしも健全なアイデアを提案する。

関連論文リスト

• Representing Pedagogic Content Knowledge Through Rough Sets [0.0]
  この論文は、論理モデルを構築したり、教師を支援するための意味を意識したAIソフトウェアを開発することを目的としている。 提案手法の主な利点は、あいまいさ、マルチモーダリティをコヒーレントに扱う能力である。
  論文  参考訳（メタデータ） (2024-02-26T11:00:45Z)
• YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
  本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。 モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。 実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-28T14:32:15Z)
• AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
  数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
  論文  参考訳（メタデータ） (2023-10-19T02:00:31Z)
• Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
  言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。 現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。 人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
  論文  参考訳（メタデータ） (2023-01-24T11:00:17Z)
• A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
  我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。 大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
  論文  参考訳（メタデータ） (2022-12-20T18:46:16Z)
• Build-a-Bot: Teaching Conversational AI Using a Transformer-Based Intent Recognition and Question Answering Architecture [15.19996462016215]
  本稿では、自然言語パイプラインを用いて、独自の学校カリキュラムに基づく質問に答えるためにカスタマイズされたモデルを訓練することで、人工知能の原理を学習するためのインタフェースを提案する。 このパイプラインは、AIエージェントを作成しながら、これらのプロセスのそれぞれを通じて、学生のデータ収集、データ拡張、意図認識、質問応答を教える。
  論文  参考訳（メタデータ） (2022-12-14T22:57:44Z)
• The AI Teacher Test: Measuring the Pedagogical Ability of Blender and GPT-3 in Educational Dialogues [5.424153769988429]
  本稿では,AI教師試験の最初の試みについて報告する。 私たちは、現実世界の対話において、人間の教師と並行して会話エージェントを実行することができるという洞察に基づいて、ソリューションを構築しました。 本手法は,教育における比較判断の信頼性を基盤として,確率モデルとベイジアンサンプリングを用いて教育能力の推定を行う。
  論文  参考訳（メタデータ） (2022-05-16T09:36:30Z)
• Teaching Tech to Talk: K-12 Conversational Artificial Intelligence Literacy Curriculum and Development Tools [9.797319790710711]
  我々は,MIT App Inventorの会話エージェントインタフェースとワークショップのカリキュラムをAI能力に関して評価した。 私たちは、学生がAI倫理と学習の概念に最も苦労していることを発見し、教えるときにこれらのトピックを強調することを推奨した。
  論文  参考訳（メタデータ） (2020-09-11T20:52:46Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。