論文の概要: Trustworthy Intelligent Education: A Systematic Perspective on Progress, Challenges, and Future Directions
- arxiv url: http://arxiv.org/abs/2601.21837v1
- Date: Thu, 29 Jan 2026 15:17:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-30 16:22:49.926607
- Title: Trustworthy Intelligent Education: A Systematic Perspective on Progress, Challenges, and Future Directions
- Title（参考訳）: 信頼できる知的教育 : 進歩・挑戦・今後の方向性の体系的展望
- Authors: Xiaoshan Yu, Shangshang Yang, Ziwen Wang, Haiping Ma, Xingyi Zhang,
- Abstract要約: 我々は,知的教育を,学習能力評価,学習資源推薦,学習分析,教育コンテンツ理解,指導支援の5つの代表的な課題カテゴリに分類する。
我々は、安全とプライバシー、堅牢性、公正性、説明可能性、持続可能性を含む5つの信頼性の観点から、既存の研究をレビューする。
- 参考スコア（独自算出の注目度）: 19.30893604363489
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, trustworthiness has garnered increasing attention and exploration in the field of intelligent education, due to the inherent sensitivity of educational scenarios, such as involving minors and vulnerable groups, highly personalized learning data, and high-stakes educational outcomes. However, existing research either focuses on task-specific trustworthy methods without a holistic view of trustworthy intelligent education, or provides survey-level discussions that remain high-level and fragmented, lacking a clear and systematic categorization. To address these limitations, in this paper, we present a systematic and structured review of trustworthy intelligent education. Specifically, We first organize intelligent education into five representative task categories: learner ability assessment, learning resource recommendation, learning analytics, educational content understanding, and instructional assistance. Building on this task landscape, we review existing studies from five trustworthiness perspectives, including safety and privacy, robustness, fairness, explainability, and sustainability, and summarize and categorize the research methodologies and solution strategies therein. Finally, we summarize key challenges and discuss future research directions. This survey aims to provide a coherent reference framework and facilitate a clearer understanding of trustworthiness in intelligent education.
- Abstract（参考訳）: 近年、未成年者や脆弱なグループ、高度にパーソナライズされた学習データ、高等教育の成果など、教育シナリオの本質的な感受性から、知的教育の分野での注目と探究が高まりつつある。
しかし、既存の研究は、信頼に値する知的教育の全体観を欠くタスク固有の信頼性のある方法に焦点を当てているか、あるいは、高いレベルと断片化されたままで、明確で体系的な分類が欠如している調査レベルの議論を行っている。
本稿では,これらの制約に対処するために,信頼に値する知的教育の体系的かつ構造化されたレビューを紹介する。
具体的には,知的教育を,学習者能力評価,学習資源推薦,学習分析,教育コンテンツ理解,指導支援の5つの代表的な課題カテゴリに分類する。
本課題の背景には,安全とプライバシ,堅牢性,公正性,説明可能性,持続可能性といった5つの信頼性の観点からの既存研究を概観し,その研究方法論とソリューション戦略を要約・分類する。
最後に、重要な課題を要約し、今後の研究方向性について論じる。
本調査は,知的教育における信頼感のより明確な理解を促進するとともに,コヒーレントな参照枠組みを提供することを目的とする。
関連論文リスト
- Deep Research: A Systematic Survey [118.82795024422722]
Deep Research (DR)は、大規模言語モデルの推論能力と検索エンジンなどの外部ツールを組み合わせることを目的としている。
本調査は,深層研究システムの包括的かつ体系的な概要を提示する。
論文 参考訳（メタデータ） (2025-11-24T15:28:28Z) - A Structured Unplugged Approach for Foundational AI Literacy in Primary Education [7.495145157323768]
小学校における基礎的AIリテラシーを育成する構造的教育手法を提案する。
以上の結果から,用語理解と利用,特徴記述,論理的推論,評価能力の向上が示唆された。
このアプローチは、特に学生がAIの概念と現実世界の推論を結びつける活動を楽しんでいることを証明した。
論文 参考訳（メタデータ） (2025-05-27T16:23:57Z) - 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) - Towards Trustworthy Retrieval Augmented Generation for Large Language Models: A Survey [92.36487127683053]
Retrieval-Augmented Generation (RAG)は、AIGC(AIGC)の課題に対処するために設計された高度な技術である。
RAGは信頼性と最新の外部知識を提供し、幻覚を減らし、幅広いタスクで関連するコンテキストを保証する。
RAGの成功と可能性にもかかわらず、最近の研究により、RAGパラダイムはプライバシーの懸念、敵対的攻撃、説明責任の問題など、新たなリスクももたらしていることが示されている。
論文 参考訳（メタデータ） (2025-02-08T06:50:47Z) - FairAIED: Navigating Fairness, Bias, and Ethics in Educational AI Applications [8.443431821420537]
教育におけるAIの統合は、学習経験をパーソナライズし、教育実践を変革する大きな可能性を秘めている。
研究者がこれらのバイアスを理解して緩和しようとすると、教育AIの公平性を調べる研究が増えている。
この調査は、教育AIにおけるアルゴリズムフェアネスの総合的な体系的なレビューを提供する。
論文 参考訳（メタデータ） (2024-07-26T13:59:20Z) - Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education [0.2812395851874055]
本研究では,革新的な学習分析ツールの概念化,開発,展開について検討する。
学生のストレスレベル、好奇心、混乱、扇動、トピックの嗜好、学習方法などの重要なデータポイントを分析し、学習環境の総合的なビューを提供する。
この研究は、パーソナライズされたデータ駆動型教育を形成する上で、AIが果たす役割を浮き彫りにする。
論文 参考訳（メタデータ） (2023-12-15T06:00:26Z) - 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) - Towards Safer Generative Language Models: A Survey on Safety Risks,
Evaluations, and Improvements [76.80453043969209]
本調査では,大規模モデルに関する安全研究の枠組みについて述べる。
まず、広範囲にわたる安全問題を導入し、その後、大型モデルの安全性評価手法を掘り下げる。
トレーニングからデプロイメントまで,大規模なモデルの安全性を高めるための戦略について検討する。
論文 参考訳（メタデータ） (2023-02-18T09:32:55Z) - Trustworthy Reinforcement Learning Against Intrinsic Vulnerabilities:
Robustness, Safety, and Generalizability [23.82257896376779]
信頼に足る強化学習アルゴリズムは、現実世界の問題を解決するのに長けるべきである。
本研究の目的は、信頼に値する強化学習の主な視点を概観することである。
論文 参考訳（メタデータ） (2022-09-16T16:10:08Z) - Research and Education Towards Smart and Sustainable World [1.1400186812516624]
我々はICT分野における研究・教育の方向性を提案する。
我々のスマートで持続可能な世界ビジョンは、人間が作った自然環境と自然環境の両方のより良い認識とコントロールを通じて、人々と惑星の繁栄を目標としています。
論文 参考訳（メタデータ） (2020-09-29T08:25:33Z)
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。