論文の概要: Knowledge-Based Design Requirements for Generative Social Robots in Higher Education
- arxiv url: http://arxiv.org/abs/2602.12873v1
- Date: Fri, 13 Feb 2026 12:23:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-16 23:37:53.944722
- Title: Knowledge-Based Design Requirements for Generative Social Robots in Higher Education
- Title（参考訳）: 高等教育における創生型社会ロボットのための知識ベース設計要件
- Authors: Stephan Vonschallen, Dominique Oberle, Theresa Schmiedel, Friederike Eyssel,
- Abstract要約: 大規模言語モデルを利用した生成型社会ロボット(GSR)は、適応的で会話型学習を可能にするだけでなく、幻覚、過信、プライバシー侵害などのリスクも導入する。
我々は知識に基づくデザインの視点を採用し、高等教育において情報教育者指向のGSRが責任を持って効果的に機能するために何が必要なのかを調査する。
大学スタブデントや講師による12件の半構造化インタビューをもとに,3つの知識タイプにまたがる設計要件を特定した。
- 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: Generative social robots (GSRs) powered by large language models enable adaptive, conversational tutoring but also introduce risks such as hallucina-tions, overreliance, and privacy violations. Existing frameworks for educa-tional technologies and responsible AI primarily define desired behaviors, yet they rarely specify the knowledge prerequisites that enable generative systems to express these behaviors reliably. To address this gap, we adopt a knowledge-based design perspective and investigate what information tutor-ing-oriented GSRs require to function responsibly and effectively in higher education. Based on twelve semi-structured interviews with university stu-dents and lecturers, we identify twelve design requirements across three knowledge types: self-knowledge (assertive, conscientious and friendly per-sonality with customizable role), user-knowledge (personalized information about student learning goals, learning progress, motivation type, emotional state and background), and context-knowledge (learning materials, educa-tional strategies, course-related information, and physical learning environ-ment). By identifying these knowledge requirements, this work provides a structured foundation for the design of tutoring GSRs and future evaluations, aligning generative system capabilities with pedagogical and ethical expecta-tions.
- Abstract（参考訳）: 大規模言語モデルを利用した生成型社会ロボット(GSR)は、適応的で会話型学習を可能にするだけでなく、幻覚、過信、プライバシー侵害などのリスクも導入する。
既存の教育的技術と責任あるAIのためのフレームワークは、主に望ましい振る舞いを定義するが、生成システムがこれらの振る舞いを確実に表現できる知識の前提条件を特定することは滅多にない。
このギャップに対処するため、我々は知識に基づく設計の視点を採用し、高等教育において情報教育者指向のGSRが責任を持って効果的に機能するために必要なものについて検討する。
大学スタブデントと講師との12件の半構造化インタビューから,自己知識(学習目標,学習進捗,モチベーションタイプ,感情状態と背景に関する個人化情報),コンテキスト知識(学習教材,教育戦略,コース関連情報,物理学習環境)の3つの知識タイプにまたがって,12件の設計要件を抽出した。
これらの知識要件を同定することにより、この研究は、学習GSRと将来の評価の設計のための構造化された基盤を提供し、生成システム能力と教育的および倫理的予測オプションとを整合させる。
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) - Web-CogReasoner: Towards Knowledge-Induced Cognitive Reasoning for Web Agents [49.88380945341337]
我々は,Webエージェントの能力を,知識コンテンツ学習と認知プロセスの2つの重要な段階に分解する。
知識獲得を容易にするため,14の現実世界のウェブサイトから収集した構造化リソースであるWeb-CogDatasetを構築した。
この基盤の上に構築し、新しい知識駆動型チェーン・オブ・ソート(CoT)推論フレームワークを通じてこれらのプロセスを運用する。
論文 参考訳（メタデータ） (2025-08-03T17:17:52Z) - 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) - Generative AI Literacy: Twelve Defining Competencies [48.90506360377104]
本稿では、生成AIと対話するために必要なスキルと知識領域を網羅した、生成人工知能(AI)リテラシーの能力に基づくモデルを提案する。
能力は、基礎的なAIリテラシーから、倫理的および法的考慮を含むエンジニアリングとプログラミングのスキルの促進まで様々である。
これらの12の能力は、個人、政策立案者、政府高官、教育者が責任を持って生成AIの可能性をナビゲートし活用しようとするための枠組みを提供する。
論文 参考訳（メタデータ） (2024-11-29T14:55:15Z) - Education in the Era of Neurosymbolic AI [0.6468510459310326]
我々は,ハイブリッドNAIアーキテクチャの重要な構成要素として,教育エージェントの独特な余裕を生かしたシステムを提案する。
我々は,NAI時代の教育によって,学習がよりアクセスしやすく,公平で,現実世界のスキルに適合するものになると結論づける。
論文 参考訳（メタデータ） (2024-11-16T19:18:39Z) - Generative AI in the Classroom: Can Students Remain Active Learners? [23.487653534242092]
ジェネレーティブ・人工知能(英語版) (GAI) は教育における二重の武器と見なすことができる。
本稿では,学生の積極的学習戦略と関連するメタ認知能力に及ぼす効果に焦点を当てる。
GAIベースの教育アプリケーションに教育的透明性を導入するための枠組みを提案する。
論文 参考訳（メタデータ） (2023-10-04T22:33:46Z) - Towards social generative AI for education: theory, practices and ethics [0.0]
教育のための社会的生成AIを構築するには、人間だけでなく互いに会話できる強力なAIシステムを開発する必要がある。
教育のための社会的生成AIを設計し、制約する方法を検討する必要がある。
論文 参考訳（メタデータ） (2023-06-14T17:30:48Z) - AGI: Artificial General Intelligence for Education [41.45039606933712]
本稿では,人工知能(AGI)の重要な概念,能力,範囲,将来的な教育の可能性について概説する。
AGIは知的学習システム、教育評価、評価手順を大幅に改善することができる。
この論文は、AGIの能力が人間の感情や社会的相互作用を理解することに拡張されていることを強調している。
論文 参考訳（メタデータ） (2023-04-24T22:31:59Z)
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。