論文の概要: Understanding Gaming the System by Analyzing Self-Regulated Learning in Think-Aloud Protocols

• arxiv url: http://arxiv.org/abs/2601.04487v1
• Date: Thu, 08 Jan 2026 01:45:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:52.975235
• Title: Understanding Gaming the System by Analyzing Self-Regulated Learning in Think-Aloud Protocols
• Title（参考訳）: 思考音声プロトコルにおける自己統制学習の分析によるシステムゲーミングの理解
• Authors: Jiayi Zhang, Conrad Borchers, Canwen Wang, Vishal Kumar, Leah Teffera, Bruce M. McLaren, Ryan S. Baker,
• Abstract要約: 本研究は,ゲームがほとんど答えられていない場合,学生が認知的に切り離されているか,あるいは,異なる自己統制型学習戦略に従事しているかを検討する。 ゲームは単に認知的努力の欠如を反映するものではなく、ゲーム中、学生はより長い発話を生み出すことが多い。 この理解により、今後の研究は、より良い学習を促進するために、不適応な自己規制をターゲットとするシステムを設計することによって、ゲームとその負の影響に対処することができる。
• 参考スコア（独自算出の注目度）: 8.578186551478067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In digital learning systems, gaming the system refers to occasions when students attempt to succeed in an educational task by systematically taking advantage of system features rather than engaging meaningfully with the content. Often viewed as a form of behavioral disengagement, gaming the system is negatively associated with short- and long-term learning outcomes. However, little research has explored this phenomenon beyond its behavioral representation, leaving questions such as whether students are cognitively disengaged or whether they engage in different self-regulated learning (SRL) strategies when gaming largely unanswered. This study employs a mixed-methods approach to examine students' cognitive engagement and SRL processes during gaming versus non-gaming periods, using utterance length and SRL codes inferred from think-aloud protocols collected while students interacted with an intelligent tutoring system for chemistry. We found that gaming does not simply reflect a lack of cognitive effort; during gaming, students often produced longer utterances, were more likely to engage in processing information and realizing errors, but less likely to engage in planning, and exhibited reactive rather than proactive self-regulatory strategies. These findings provide empirical evidence supporting the interpretation that gaming may represent a maladaptive form of SRL. With this understanding, future work can address gaming and its negative impacts by designing systems that target maladaptive self-regulation to promote better learning.
• Abstract（参考訳）: デジタル学習システムにおいて、ゲームとは、学生がコンテンツに意味のある関与ではなく、システム機能を体系的に活用することで、教育的なタスクを成功させようとする機会を指す。 しばしば行動の解離の一形態と見なされるが、システムのゲームは短期的および長期的な学習結果と負の関連がある。 しかし、この現象を行動表現を超えて探究する研究はほとんどなく、学生が認知的に切り離されているか、ゲームがほとんど答えられていないときに異なる自己統制学習(SRL)戦略に従事しているかといった疑問を残している。 本研究は、学生が化学の知的なチューリングシステムと相互作用している間に収集された思考情報プロトコルから推定される発話長とSRL符号を用いて、ゲームと非ゲーム期間における学生の認知的関与とSRL過程を調べるための混合手法を用いている。 ゲーム中、学生はより長い発話を生み出し、情報処理に携わる傾向があり、誤りを認識できるが、計画に携わる確率は低く、積極的な自己統制戦略よりも反応性を示していた。 これらの発見は、ゲームがSRLの誤適応形を表す可能性があるという解釈を裏付ける実証的な証拠を提供する。 この理解により、今後の研究は、より良い学習を促進するために、不適応な自己規制をターゲットとするシステムを設計することによって、ゲームとその負の影響に対処することができる。

関連論文リスト

• KnowRL: Exploring Knowledgeable Reinforcement Learning for Factuality [66.89190766278183]
  大規模言語モデル(LLM)は、しばしば、推論中に知識境界を正確に認識できないために、誤ったコンテンツを出力する、厳しい幻覚を示す。 スロー思考モデルにおける高い幻覚に対処するために,知識強化RL(KnowRL)を提案する。 KnowRLは、知識検証に基づいて事実性報酬をRLトレーニングプロセスに統合することにより、事実に基づくスロー思考を行うモデルを支援する。
  論文  参考訳（メタデータ） (2025-06-24T17:17:17Z)
• Playpen: An Environment for Exploring Learning Through Conversational Interaction [84.0413820245725]
  本研究は,対話ゲームが学習のフィードバック信号の源として機能するかどうかを考察する。 本稿では,対話ゲームによるオフラインおよびオンライン学習環境であるPlaypenを紹介する。 SFTによる模倣学習は、目に見えないインスタンスのパフォーマンスを向上させるが、他のスキルに悪影響を及ぼす。
  論文  参考訳（メタデータ） (2025-04-11T14:49:33Z)
• Capturing the Complexity of Human Strategic Decision-Making with Machine Learning [4.308322597847064]
  我々は,2プレイヤーマトリックスゲームにおける初期プレイの文脈において,戦略的意思決定の現在までの最大の研究を行う。 これらのデータに基づいてトレーニングされたディープニューラルネットワークは、戦略行動の理論を先導するよりも、人々の選択を予測できることを示す。
  論文  参考訳（メタデータ） (2024-08-15T00:39:42Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• Visualizing Self-Regulated Learner Profiles in Dashboards: Design Insights from Teachers [9.227158301570787]
  学生の自己統制学習(SRL)行動を監視するダッシュボードであるFlippEDの設計と実装を行う。 10人の大学教員を対象としたセミ構造化インタビューにおいて,ツールのユーザビリティと動作性を評価した。
  論文  参考訳（メタデータ） (2023-05-26T12:03:11Z)
• Combining Gamification and Intelligent Tutoring Systems in a Serious Game for Engineering Education [2.792030485253753]
  本稿では,本ゲームに統合されたパーソナライズされた学習システムの開発から,現在進行中の結果について述べる。 コンピュータインテリジェンスを用いて,ゲーム内行動から収集したデータに基づいて,Webカメラ画像から感情状態を推定することにより,学生に適応的に支援を行う。 本研究では,個人化された学習システムを用いてプレイした学生の事前試験結果を通じて,システムの有効性を実証する。
  論文  参考訳（メタデータ） (2023-05-26T01:24:19Z)
• Bridging Declarative, Procedural, and Conditional Metacognitive Knowledge Gap Using Deep Reinforcement Learning [7.253181280137071]
  帰納的ドメインでは、昇順のメタ認知的知識タイプは宣言的、手続き的、条件的学習である。 この研究は、3つの知識タイプ間のギャップを埋めるために適応的なメタ認知的介入を提供するために、Deep Reinforcement Learning (DRL)を活用する。 以上の結果から,DRLは両ITSにおいて,学生間のメタ認知的知識ギャップを橋渡しし,学習能力を大幅に向上させた。
  論文  参考訳（メタデータ） (2023-04-23T20:07:07Z)
• Active Reinforcement Learning -- A Roadmap Towards Curious Classifier Systems for Self-Adaptation [0.456877715768796]
  知的システムにおける「能動的強化学習」についての研究課題を策定することを目的とする。 従来のアプローチでは、学習問題を分離し、さまざまな分野の機械学習からテクニックを分離的に利用している。
  論文  参考訳（メタデータ） (2022-01-11T13:50:26Z)
• Disturbing Reinforcement Learning Agents with Corrupted Rewards [62.997667081978825]
  強化学習アルゴリズムに対する報酬の摂動に基づく異なる攻撃戦略の効果を分析します。 敵対的な報酬をスムーズに作成することは学習者を誤解させることができ、低探査確率値を使用すると、学習した政策は報酬を腐敗させるのがより堅牢であることを示しています。
  論文  参考訳（メタデータ） (2021-02-12T15:53:48Z)
• Bridging the Imitation Gap by Adaptive Insubordination [88.35564081175642]
  教官が特権情報にアクセスして意思決定を行う場合、この情報は模倣学習中に疎外されることを示す。 本稿では,このギャップに対処するため,適応的不規則化(ADVISOR)を提案する。 ADVISORは、トレーニング中の模倣と報酬に基づく強化学習損失を動的に重み付け、模倣と探索をオンザフライで切り替えることを可能にする。
  論文  参考訳（メタデータ） (2020-07-23T17:59:57Z)

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。