論文の概要: Science Literacy: Generative AI as Enabler of Coherence in the Teaching, Learning, and Assessment of Scientific Knowledge and Reasoning
- arxiv url: http://arxiv.org/abs/2603.06659v1
- Date: Sun, 01 Mar 2026 19:45:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-10 15:13:12.602926
- Title: Science Literacy: Generative AI as Enabler of Coherence in the Teaching, Learning, and Assessment of Scientific Knowledge and Reasoning
- Title（参考訳）: 理科リテラシー:科学知識と推論の教授・学習・評価におけるコヒーレンスの実現者としての創造的AI
- Authors: Xiaoming Zhai, James W. Pellegrino, Matias Rojas, Jongchan Park, Matthew Nyaaba, Clayton Cohn, Gautam Biswas,
- Abstract要約: この章は、K-16以上の学年における科学リテラシー向上における生成AIの可能性について考察する。
最初は、AIが科学を変えたことを含む、AI時代の科学リテラシーを定義することから始まる。
そして、科学知識と推論の教え、学習、評価に一貫性をもたらすことによって、AIが問題解決を支援するために必要なアーキテクチャのタイプについて議論する。
- 参考スコア（独自算出の注目度）: 4.6627595334680585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This chapter examines the potential of generative AI in enhancing science literacy across the K-16+ grade span, including its benefits as well as the conceptual and practical challenges that doing so presents. It begins with a discussion of what defines science literacy in the era of AI, including how AI has changed science and the demand for future citizens to be scientifically literate when AI is applied in their careers and lives. The chapter further discusses why science literacy presents such a challenge in K-16+ educational settings. It then develops an argument for the type of architecture needed for AI to assist in solving the problem by bringing coherence to the teaching, learning, and assessment of science knowledge and reasoning. Components of this architecture are illustrated with respect to the AI tools and capabilities needed for design and implementation. The chapter concludes with a consideration of what has been learned regarding both science literacy and AI, as well as what remains to be learned, including the research and development (R&D) needed, and the generalizability of this science literacy case to other disciplinary learning and knowledge domains.
- Abstract（参考訳）: この章では、K-16以上の学年における科学リテラシー向上における生成AIの可能性について考察する。
最初は、AIの時代における科学リテラシーの定義に関する議論から始まり、AIが科学をどう変えたか、そしてAIがキャリアや生活に応用されたときに、将来の市民が科学的リテラシーを求めるかなどである。
この章はさらに、科学リテラシーがなぜK-16以上の教育環境にそのような課題をもたらすのかを論じている。
そして、科学知識と推論の教え、学習、評価に一貫性をもたらすことによって、AIが問題解決を支援するために必要なアーキテクチャのタイプについて議論する。
このアーキテクチャのコンポーネントは、設計と実装に必要なAIツールと機能に関して説明されている。
この章は、科学リテラシーとAIの両方について学んだこと、そして、必要な研究開発(R&D)や、この科学リテラシーのケースを他の学際的な学習や知識ドメインに一般化するなど、まだ学ぶべきことについて考察して締めくくっている。
関連論文リスト
- Charting the Future of AI-supported Science Education: A Human-Centered Vision [0.9851520275517003]
この章は、教育目標、指導手順、学習資料、評価、成果の5つの分野にわたる発展を合成する。
我々は、AIが探究を豊かにし、学習をパーソナライズし、教師の実践を支援するための変革的なポテンシャルを提供すると論じるが、それは責任と倫理原則(REP)によって導かれるときのみである。
REPフレームワークは、公正さ、透明性、プライバシー、説明責任、人間の価値への敬意を強調するもので、AIをサポートする科学教育に対する私たちのビジョンを支えています。
論文 参考訳（メタデータ） (2026-02-09T00:06:00Z) - Report on the Scoping Workshop on AI in Science Education Research 2025 [2.0613397238713778]
報告では、科学教育研究における人工知能(AI)の役割に関する2日間の国際スコピングワークショップの結果を要約している。
AIは科学の実践、教室の学習、そして研究の方法に素早く反応するので、この分野は新たな機会と重要な課題に直面している。
報告書は、トレーニング、インフラ、標準のための実行可能なレコメンデーションと、資金提供者、政策立案者、専門機関、学術部門のガイダンスで締めくくっている。
論文 参考訳（メタデータ） (2025-11-18T10:23:22Z) - Mapping Students' AI Literacy Framing and Learning through Reflective Journals [0.13154296174423616]
本研究は、人工知能(AI)に関する大学生の自己認識学習に関する研究である。
学生がAIについて何、どのように、なぜ学習するかを理解することが重要である。
論文 参考訳（メタデータ） (2025-08-20T23:01:51Z) - A Community-driven vision for a new Knowledge Resource for AI [54.6699845861346]
WordNetのような知識リソースの成功にもかかわらず、検証可能な汎用的な知識ソースは、AIインフラストラクチャにおいて重要な欠陥である。
本稿では,この知見を要約し,新しい知識基盤に向けたコミュニティ主導のビジョンを概説する。
論文 参考訳（メタデータ） (2025-06-19T20:51:28Z) - AI Literacy for All: Adjustable Interdisciplinary Socio-technical Curriculum [0.8879149917735942]
本稿では,AIの学際的理解を促進するカリキュラム「AI Literacy for All」を提案する。
本稿では、AIリテラシーの4つの柱として、AIのスコープと技術的側面を理解すること、知識と責任のある方法でGen-AIと対話する方法を学ぶこと、倫理と責任のあるAIの社会技術的問題、そしてAIの社会的および将来の意味について述べる。
論文 参考訳（メタデータ） (2024-09-02T13:13:53Z) - Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems [268.585904751315]
科学のためのAI(AI4Science)として知られる新しい研究領域
領域は、物理世界(波動関数と電子密度)、原子(分子、タンパク質、物質、相互作用)、マクロ(流体、気候、地下)まで理解することを目的としている。
主要な課題は、物理第一原理、特に対称性を深層学習法によって自然システムで捉える方法である。
論文 参考訳（メタデータ） (2023-07-17T12:14:14Z)
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。