論文の概要: AI Combines, Humans Socialise: A SECI-based Experience Report on Business Simulation Games

• arxiv url: http://arxiv.org/abs/2602.20633v1
• Date: Tue, 24 Feb 2026 07:26:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.648082
• Title: AI Combines, Humans Socialise: A SECI-based Experience Report on Business Simulation Games
• Title（参考訳）: AIが統合、人間社会: ビジネスシミュレーションゲームに関するSECIベースの体験レポート
• Authors: Nordine Benkeltoum,
• Abstract要約: 本稿では,生産型AIツールを工学生向けに設計されたビジネスシミュレーションゲーム(Business Simulation Games:BSG)に統合することについて報告する。 AIは、シミュレーション中に学生がイベントを分析し、情報を改定し、意思決定に関連する洞察を生成するための支援メカニズムとして埋め込まれた。 その結果,シミュレーションに基づく学習における人間とAIの連携における機能的境界が示唆された。
• 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: Background. Business Simulation Games (BSG) are widely used to foster experiential learning in complex managerial and organisational contexts by exposing students to decision-making under uncertainty. In parallel, Artificial Intelligence (AI) is increasingly integrated into higher education to support learning activities. However, despite growing interest of AI in education, its specific role in BSG and its implications for knowledge creation processes remain under-theorised. Intervention. This paper reports on the integration of generative AI tools into a BSG designed for engineering students. AI was embedded as a support mechanism during the simulation to assist students in analysing events, reformulating information, and generating decision-relevant insights, while instructors retained responsibility for supervision, debriefing, and complex issues. Methods. Adopting a qualitative experience-report approach, the study draws on the SECI model (Socialisation, Externalisation, Combination, Internalisation) as an analytical framework to examine how students and instructors interacted with AI during the simulation and how different forms of knowledge were mobilised and developed. Results. The findings indicate that AI primarily supports the Combination phase of the SECI model by facilitating the rapid synthesis, reformulation, and contextualisation of explicit knowledge. In contrast, the processes of Socialisation, Externalisation, and Internalisation remained largely dependent on peer interaction, individual reflection, and instructor guidance. Discussion. The results suggest a functional boundary in human-AI collaboration within simulation-based learning. AI acts as a cognitive enhancer that improves responsiveness and access to explicit knowledge, but it does not replace the pedagogical role of instructors in supporting the development of tacit knowledge, competencies, and phronesis. Conclusion. Integrating AI into BSG can enhance learning efficiency and engagement, but effective experiential learning continues to rely on active human supervision. Future research should investigate instructional designs that better support tacit knowledge acquisition in AI-assisted simulations.
• Abstract（参考訳）: 背景。 ビジネスシミュレーションゲーム(Business Simulation Games, BSG)は、複雑な管理・組織的な文脈における経験的学習を促進するために、学生を不確実な意思決定に晒すことによって広く利用されている。 並行して、人工知能(AI)は、学習活動を支援するために高等教育にますます統合されている。 しかし、教育におけるAIの関心が高まっているにもかかわらず、BSGにおける特定の役割と知識創造プロセスに対するその意味は、いまだに未理論のままである。 介入。 本稿では,工学系学生を対象としたBSGへの生成AIツールの統合について報告する。 AIは、シミュレーション中に、学生がイベントを分析し、情報を改定し、意思決定に関連する洞察を生成するための支援メカニズムとして組み込まれ、インストラクターは監督、報告、複雑な問題に対する責任を保持した。 メソッド。 質的な経験報告アプローチを採用したこの研究は、シミュレーション中に学生やインストラクターがAIとどのように相互作用し、異なる形態の知識が動員され、発展したかを調べるための分析的枠組みとして、SECIモデル(社会化、外部化、結合、内部化)を参考にしている。 結果。 この結果は、AIが明示的知識の迅速な合成、再構成、文脈化を促進することで、SECIモデルの組合せフェーズを主にサポートしていることを示している。 対照的に、社会化、外化、内化のプロセスは、ピアインタラクション、個人のリフレクション、インストラクターガイダンスに大きく依存していた。 議論。 その結果,シミュレーションに基づく学習における人間とAIの連携における機能的境界が示唆された。 AIは、応答性と明示的な知識へのアクセスを改善する認知的エンハンサーとして機能するが、暗黙の知識、能力、フロン症の発展を支援するインストラクターの教育的役割を置き換えるものではない。 結論。 AIをBSGに統合することは、学習効率とエンゲージメントを高めることができるが、効果的な経験的学習は、アクティブな人間の監督に依存し続けている。 今後の研究は、AI支援シミュレーションにおける暗黙の知識獲得を支援するための教育設計を検討するべきである。

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)
• AI in data science education: experiences from the classroom [0.0]
  本研究では、ChatGPTのようなAI、特に大規模言語モデル(LLM)の教育環境への統合について検討する。 Wageningen Universityのデータサイエンスコースのコースコーディネータとのインタビューは、教室でAIに関連するメリットと課題の両方を特定している。 研究は、責任あるAI利用の重要性、倫理的考察、教育的な成果を確実にするためにアセスメント手法を適用する必要性を強調している。
  論文  参考訳（メタデータ） (2025-10-01T11:45:25Z)
• Beyond Automation: Socratic AI, Epistemic Agency, and the Implications of the Emergence of Orchestrated Multi-Agent Learning Architectures [0.0]
  ジェネレーティブAIはもはや高等教育における周辺ツールではない。 本稿では,ソクラティックAIテュータの評価実験から得られた知見について述べる。 テューターを使用する学生は、批判的、独立的、反省的な思考に対する大きな支持を報告した。
  論文  参考訳（メタデータ） (2025-08-07T07:49:03Z)
• AI-Educational Development Loop (AI-EDL): A Conceptual Framework to Bridge AI Capabilities with Classical Educational Theories [8.500617875591633]
  本研究では、古典的学習理論とAIを融合した理論駆動型フレームワークであるAI-Educational Development Loop(AI-EDL)を紹介する。 このフレームワークは透明性、自己統制型学習、教育的監視を強調している。
  論文  参考訳（メタデータ） (2025-08-01T15:44:19Z)
• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• AI Pedagogy: Dialogic Social Learning for Artificial Agents [0.6553587309274792]
  本研究では,従来のAIトレーニング手法の限界に対処するために,社会的に媒介する学習パラダイムの可能性を探る。 そこで我々は,AI学習者エージェントが,知識のあるAI教師エージェントと教科の教育対話を行う,AIソーシャルガイム(AI Social Gym)と呼ばれる動的環境を導入する。 我々の調査は、異なる教育戦略が、買収の文脈におけるAI学習プロセスにどのように影響するかに焦点を当てている。
  論文  参考訳（メタデータ） (2025-05-25T11:19:48Z)
• Methodological Foundations for AI-Driven Survey Question Generation [41.94295877935867]
  本稿では,ジェネレーティブAIを教育調査に活用するための方法論的枠組みを提案する。 大規模言語モデルが適応的でコンテキスト対応のサーベイ質問を生成する方法について検討する。 偏見、プライバシー、透明性などの倫理的問題を考察する。
  論文  参考訳（メタデータ） (2025-05-02T09:50:34Z)
• Advancing Education through Tutoring Systems: A Systematic Literature Review [3.276010440333338]
  本研究は,知能学習システム (ITS) とロボット学習システム (RTS) を包含した学習システムの変革的役割を体系的にレビューする。 この発見は、適応性、エンゲージメント、学習結果を向上するAI技術の著しい進歩を示している。 この研究は、ITSとRTSの相補的な強みを強調し、教育効果を最大化するために統合されたハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2025-03-12T18:47:07Z)
• Toward enriched Cognitive Learning with XAI [44.99833362998488]
  本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。 CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
  論文  参考訳（メタデータ） (2023-12-19T16:13:47Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。