論文の概要: MicroSims: A Framework for AI-Generated, Scalable Educational Simulations with Universal Embedding and Adaptive Learning Support

• arxiv url: http://arxiv.org/abs/2511.19864v1
• Date: Tue, 25 Nov 2025 03:14:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.248864
• Title: MicroSims: A Framework for AI-Generated, Scalable Educational Simulations with Universal Embedding and Adaptive Learning Support
• Title（参考訳）: MicroSims:Universal EmbeddingとAdaptive Learningサポートを備えたAI生成のスケーラブルな教育シミュレーションフレームワーク
• Authors: Valerie Lockhart, Dan McCreary, Troy A. Peterson,
• Abstract要約: 本稿では,軽量でインタラクティブな教育シミュレーションを構築するためのフレームワークであるMicroSimsを紹介する。 MicroSimsは人工知能を使って迅速に生成でき、デジタル学習プラットフォームに埋め込まれ、プログラミングの知識なしに簡単にカスタマイズできる。 対話型シミュレーションにより,従来の授業に比べて最大30～40%概念理解が向上することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Educational simulations have long been recognized as powerful tools for enhancing learning outcomes, yet their creation has traditionally required substantial resources and technical expertise. This paper introduces MicroSims a novel framework for creating lightweight, interactive educational simulations that can be rapidly generated using artificial intelligence, universally embedded across digital learning platforms, and easily customized without programming knowledge. MicroSims occupy a unique position at the intersection of three key innovations: (1) standardized design patterns that enable AI-assisted generation, (2) iframe-based architecture that provides universal embedding and sandboxed security, and (3) transparent, modifiable code that supports customization and pedagogical transparency. We present a comprehensive framework encompassing design principles, technical architecture, metadata standards, and development workflows. Drawing on empirical research from physics education studies and meta-analyses across STEM disciplines, we demonstrate that interactive simulations can improve conceptual understanding by up to 30-40\% compared to traditional instruction. MicroSims extend these benefits while addressing persistent barriers of cost, technical complexity, and platform dependence. This work has significant implications for educational equity, and low-cost intelligent interactive textbooks that enabling educators worldwide to create customized, curriculum-aligned simulations on demand. We discuss implementation considerations, present evidence of effectiveness, and outline future directions for AI-powered adaptive learning systems built on the MicroSim foundation.
• Abstract（参考訳）: 教育シミュレーションは長年、学習成果を高める強力なツールとして認識されてきたが、伝統的にそれらの創造には実質的なリソースと技術的専門知識が必要であった。 本稿では,人工知能を用いて高速に生成可能で,デジタル学習プラットフォームに普遍的に組み込むことができ,プログラミング知識なしで容易にカスタマイズできる,軽量でインタラクティブな教育シミュレーションを作成するための新しいフレームワークであるMicroSimsを紹介する。 1)AIを補助する生成を可能にする標準化されたデザインパターン、(2)普遍的な埋め込みとサンドボックスセキュリティを提供するiframeベースのアーキテクチャ、(3)カスタマイズと教育的透明性をサポートする透明で変更可能なコードである。 設計原則、技術アーキテクチャ、メタデータ標準、開発ワークフローを含む包括的なフレームワークを提示します。 物理教育研究やSTEM分野のメタアナリシスによる実証的研究に基づき,対話型シミュレーションが従来の授業に比べて最大30～40倍まで概念理解を向上できることを実証した。 MicroSimsは、コスト、技術的複雑さ、プラットフォーム依存の永続的な障壁に対処しながら、これらのメリットを拡張します。 この研究は、教育的エクイティや、世界中の教育者が必要に応じてカスタマイズされたカリキュラムに準拠したシミュレーションを作成できる低コストのインテリジェントなインタラクティブ教科書に重大な影響を及ぼす。 我々は,MicroSim基盤上に構築されたAIを活用した適応学習システムの実装検討,有効性の実証,今後の方向性について論じる。

関連論文リスト

• The Imperfect Learner: Incorporating Developmental Trajectories in Memory-based Student Simulation [55.722188569369656]
  本稿では,メモリベースの学生シミュレーションのための新しいフレームワークを提案する。 構造的知識表現を備えた階層記憶機構を通じて発達軌道を組み込む。 実際に,次世代科学標準に基づくカリキュラム・アライン・シミュレータを実装した。
  論文  参考訳（メタデータ） (2025-11-08T08:05:43Z)
• Simulation Priors for Data-Efficient Deep Learning [56.525770511247934]
  SimPELは、第一原理モデルとデータ駆動学習を効率的に組み合わせる手法である。 我々は,生物,農業,ロボットなど多様なシステムでSimPELを評価した。 意思決定において,SimPELはモデルに基づく強化学習において,シミュレーションと現実のギャップを埋めることを示した。
  論文  参考訳（メタデータ） (2025-09-06T14:36:41Z)
• Designing LMS and Instructional Strategies for Integrating Generative-Conversational AI [0.0]
  本研究では,AIを活用した学習管理システムを構築するための構造化フレームワークを提案する。 生成AIと会話AIを統合し、適応的でインタラクティブで学習者中心の教育をサポートする。
  論文  参考訳（メタデータ） (2025-08-31T06:01:50Z)
• Bridging MOOCs, Smart Teaching, and AI: A Decade of Evolution Toward a Unified Pedagogy [4.943165921136573]
  本稿では,MOOCのスケーラビリティ,スマート教育の応答性,AIの適応性を組み合わせた3層指導フレームワークを提案する。 この結果は、学習者のエンゲージメントを高め、インストラクターをサポートし、パーソナライズされながらスケーラブルな学習を可能にするフレームワークの可能性を強調している。
  論文  参考訳（メタデータ） (2025-07-18T14:57:20Z)
• In-Context Learning for Gradient-Free Receiver Adaptation: Principles, Applications, and Theory [54.92893355284945]
  ディープラーニングベースの無線受信機は、様々なチャネル環境に動的に適応する能力を提供する。 ジョイントトレーニング、ハイパーネットワークベースの手法、メタラーニングを含む現在の適応戦略は、限られた柔軟性を示すか、勾配降下による明示的な最適化を必要とする。 本稿では、インコンテキスト学習(ICL)の新たなパラダイムに根ざした勾配なし適応手法を提案する。
  論文  参考訳（メタデータ） (2025-06-18T06:43:55Z)
• Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
  大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。 我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
  論文  参考訳（メタデータ） (2025-05-28T15:20:09Z)
• Rapid Virtual Simulations: Achieving 'Satisficing Learning Impact' with 'Realistic-Enough' Activities in Health Science Education [0.0]
  この原稿は、バーチャル教育シミュレーションを作成するための専門家の自主性を促進する新しい技術教育活動であるRapid Virtual Simulationsの概念を紹介している。 それは、最小の複雑なシミュレーションの開発を追求しつつ、満足度(あるいは十分十分な)学習インパクトを確実にするリアル・エナフ哲学に基礎を置いている。
  論文  参考訳（メタデータ） (2024-04-22T10:03:29Z)
• Adaptive Synthetic Characters for Military Training [0.9802137009065037]
  現在の軍事シミュレーションにおける合成文字の挙動は、一般的にルールベースおよびリアクティブ計算モデルによって生成されるため、限られている。 本稿では,信頼できる行動のコヒーレントなシーケンスを実行できる自律的な合成文字を作成することを目的とした枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-06T18:45:48Z)
• A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
  本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。 我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。 我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
  論文  参考訳（メタデータ） (2020-11-17T22:24:26Z)

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。