論文の概要: The Unspoken Crisis of Learning: The Surging Zone of No Development

• arxiv url: http://arxiv.org/abs/2511.12822v1
• Date: Sun, 16 Nov 2025 23:03:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:24.560012
• Title: The Unspoken Crisis of Learning: The Surging Zone of No Development
• Title（参考訳）: 学びの無意味な危機: 発展の急激なゾーン
• Authors: Euzeli C. dos Santos, Tracey Birdwell,
• Abstract要約: 本稿では,P2P 指導フレームワークのレンズを通して,Vygotsky's Zone of Proximal Development (ZPD)を再検討する。 仮設足場と永住性デジタルメディエーションの出現現象を対比することにより、ZNDの概念を導入している。 この論文は、生産的な闘争、自己統制、第一原理推論は持続的な学習に不可欠であると主張している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI has redefined the boundaries of assistance in education, often blurring the line between guided learning and dependency. This paper revisits Vygotsky's Zone of Proximal Development (ZPD) through the lens of the P2P Teaching framework. By contrasting temporary scaffolding with the emerging phenomenon of permanent digital mediation, the study introduces the concept of the Zone of No Development (ZND), a state in which continuous assistance replaces cognitive struggle and impedes intellectual autonomy. Through theoretical synthesis and framework design, P2P Teaching demonstrates how deliberate disconnection and ethical fading can restore the learner's agency, ensuring that technological tools enhance rather than replace developmental effort. The paper argues that productive struggle, self-regulation, and first-principles reasoning remain essential for durable learning, and that responsible use of AI in education must include explicit mechanisms to end its help when mastery begins.
• Abstract（参考訳）: AIは、教育における支援の境界を再定義し、ガイド付き学習と依存性の境界を曖昧にすることが多い。 本稿では,P2P 指導フレームワークのレンズを通して,Vygotsky's Zone of Proximal Development (ZPD)を再検討する。 この研究は、一時的な足場と恒久的デジタルメディエーションの出現する現象を対比することにより、認知障害を補い、知的自律性を阻害する状態である「ゾーン・オブ・ノー・開発(ZND)」の概念を導入する。 理論的合成と枠組み設計を通じて、P2P教示は、意図的な切断と倫理的衰退が学習者のエージェントを回復し、技術的ツールが発達の努力に取って代わるよりも向上することを確実にすることを示した。 論文は、生産的な闘争、自己統制、第一原理推論は、耐久性のある学習に不可欠であり、教育におけるAIの責任ある利用には、熟達の開始時にその助けを終わらせる明示的なメカニズムを含めなければならない、と論じている。

関連論文リスト

• Prompt-to-Primal Teaching [0.0]
  本稿では,P2P(Prompt-to-Primal)指導について紹介する。 P2P教育では、学生が生成するAIプロンプトは、授業における調査と最初の議論のエントリーポイントとして機能し、インストラクターは学習者にAI反応の検証、挑戦、再構築を指導する。
  論文  参考訳（メタデータ） (2025-10-20T19:44:05Z)
• Toward Generalized Autonomous Agents: A Neuro-Symbolic AI Framework for Integrating Social and Technical Support in Education [2.336538451986937]
  教育における永続的な課題の1つは、学生が学習の所有権を取得できるようにする方法である。 大規模言語モデル(LLM)とニューロシンボリックシステムの最近の進歩は、デジタル学習環境におけるサポートの提供方法を再定義する転換的な機会を提供する。 本稿では、上記の課題を解決するために設計された多エージェント・ニューロシンボリック・フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-25T18:46:59Z)
• Strategic Integration of AI Chatbots in Physics Teacher Preparation: A TPACK-SWOT Analysis of Pedagogical, Epistemic, and Cybersecurity Dimensions [0.0]
  この研究は、物理学教育の革新的なツールに関する大学レベルのアカストーンコースで実施された。 結果は,情報探索行動の向上,足場型教育計画,象徴的推論支援などの内部的強みを強調した。 外的機会は、包括的教育、多言語的エンゲージメント、および近縁開発の拡張ゾーンの促進において見出された。
  論文  参考訳（メタデータ） (2025-07-20T08:04:07Z)
• Fostering Self-Directed Growth with Generative AI: Toward a New Learning Analytics Framework [0.0]
  本研究では,ジェネレーティブ・人工知能とラーニング・アナリティクスを統合した新たな概念的枠組みを導入する。 A2PLモデルは, GAI支援環境における学習者の願望, 複雑な思考, 自己評価の相互作用を再認識する。
  論文  参考訳（メタデータ） (2025-04-29T15:19:48Z)
• Form-Substance Discrimination: Concept, Cognition, and Pedagogy [55.2480439325792]
  本稿では,高等教育におけるカリキュラム開発に欠かせない学習成果として,フォーム・サブスタンス・差別について検討する。 本稿では,カリキュラム設計,評価実践,明示的な指導を通じて,この能力を育成するための実践的戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-01T04:15:56Z)
• White Paper: The Generative Education (GenEd) Framework [0.0]
  Generative Education(GenEd)フレームワークは、教育におけるLarge Language Models(LLM)からLarge Multimodal Models(LMM)への移行を探求する。 本稿では,パーソナライズ,対話的,感情的な学習環境を構築するためのLMMの可能性について考察する。
  論文  参考訳（メタデータ） (2023-10-16T23:30:42Z)
• A Definition of Continual Reinforcement Learning [69.56273766737527]
  強化学習問題の標準的な見方では、エージェントの目標は、長期的な報酬を最大化するポリシーを効率的に識別することである。 継続的強化学習とは、最高のエージェントが決して学習をやめない状態を指す。 エージェントの分析とカタログ化のための新しい数学的言語を通じて「学習をやめることはない」エージェントの概念を定式化する。
  論文  参考訳（メタデータ） (2023-07-20T17:28:01Z)
• Causal Reinforcement Learning: A Survey [57.368108154871]
  強化学習は、不確実性の下でのシーケンシャルな決定問題の解決に不可欠なパラダイムである。 主な障害の1つは、強化学習エージェントが世界に対する根本的な理解を欠いていることである。 因果性は、体系的な方法で知識を形式化できるという点で顕著な利点がある。
  論文  参考訳（メタデータ） (2023-07-04T03:00:43Z)
• Reinforcement Learning for Autonomous Driving with Latent State Inference and Spatial-Temporal Relationships [46.965260791099986]
  強化学習フレームワークにおける潜伏状態の明示的に推測と空間的時間的関係の符号化は,この課題に対処する上で有効であることを示す。 我々は、強化学習者と教師付き学習者を組み合わせた枠組みにより、他の運転者の潜伏状態に関する事前知識を符号化する。 提案手法は,最先端のベースラインアプローチと比較して,T区間のナビゲーションにおける性能を著しく向上させる。
  論文  参考訳（メタデータ） (2020-11-09T08:55:12Z)
• Tree-Structured Policy based Progressive Reinforcement Learning for Temporally Language Grounding in Video [128.08590291947544]
  非トリミングビデオにおける一時的言語接地は、ビデオ理解における新たな課題である。 ヒトの粗大な意思決定パラダイムにインスパイアされた我々は、新しい木構造政策に基づくプログレッシブ強化学習フレームワークを定式化した。
  論文  参考訳（メタデータ） (2020-01-18T15:08:04Z)

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。