論文の概要: The Future of Feedback: How Can AI Help Transform Feedback to Be More Engaging, Effective, and Scalable?
- arxiv url: http://arxiv.org/abs/2603.12463v1
- Date: Thu, 12 Mar 2026 21:26:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-16 17:38:11.770203
- Title: The Future of Feedback: How Can AI Help Transform Feedback to Be More Engaging, Effective, and Scalable?
- Title（参考訳）: フィードバックの未来: フィードバックをより拡張し、効果的で、スケーラブルにするために、AIはどのようにしてフィードバックを変えることができるのか?
- Authors: Jennifer Meyer, Olaf Köller, Thorben Jansen, Johanna Fleckenstein, Michael W. Asher, Sarah Bichler, Laura Brandl, Jasmin Breitwieser, Kai S. Cortina, Mutlu Cukurova, Martin Daumiller, Hannah Deininger, Frank Fischer, Dragan Gašević, Jeanine Grütter, Anna Hilz, Ioana Jivet, Jelena Jovanović, Rene F. Kizilcec, Livia Kuklick, Marlit Annalena Lindner, Anastasiya Lipnevich, Ute Mertens, Detmar Meurers, Kou Murayama, Tanya Nazaretsky, Knut Neumann, Ernesto Panadero, Maciej Pankiewicz, Zachary A. Pardos, Chris Piech, Hannah Pünjer, Nikol Rummel, Marlene Steinbach, Olga Viberg, Naomi Winstone,
- Abstract要約: 生成AIは、リアルタイムで自動化されたフィードバックのスケーラブルな生産を可能にする。
報告は、教育心理学、コンピュータ科学、科学教育、学習科学から50人の学者の視点を合成する。
- 参考スコア（独自算出の注目度）: 4.513421644686993
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With digital learning environments becoming more prevalent, the ease with which generative AI enables the scalable production of real-time, automated feedback holds the potential to reshape learning and teaching experiences. This meeting report synthesizes the interdisciplinary perspectives of 50 scholars from educational psychology, computer science, science education, and the learning sciences on the use of generative AI for feedback and its promises and risks in educational practice. We highlight points of convergence in the scholarship, identify areas of debate and unresolved challenges, and outline open questions and future directions for research and educational practice that emerged from structured small-group activities designed to bridge disciplinary barriers.
- Abstract（参考訳）: デジタル学習環境がより普及するにつれ、生成的AIがリアルタイムのスケーラブルな生産を可能にしているため、自動化されたフィードバックは学習と教育の経験を再構築する可能性を秘めている。
本報告では, 教育心理学, コンピュータ科学, 理科教育, 学習科学の50人の学際的視点を総合し, 学習実践におけるAIのフィードバック, その約束, リスクについて考察する。
我々は,学界の収束点を強調し,議論領域と未解決課題を特定し,学際的障壁を埋めるために設計された構造化された小集団活動から生まれた研究・教育実践に関するオープンな質問と今後の方向性を概説する。
関連論文リスト
- 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) - From Algorithm Worship to the Art of Human Learning: Insights from 50-year journey of AI in Education [0.0]
人工知能(AI)を取り巻く現在の談話は、希望と理解の間に振動する。
本稿は、AIが教育において果たす役割の複雑さを考察し、教育者と警告された教育者が混ざったメッセージに対処するものである。
倫理的意味に関する懸念を背景に、AIが大規模にパーソナライゼーションを通じて学習を強化するという約束を探求する。
論文 参考訳（メタデータ） (2024-02-05T16:12:14Z) - Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
我々は、生成AIと適応学習の交差研究に光を当てた。
我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献するだろうと論じている。
論文 参考訳（メタデータ） (2024-02-02T23:54:51Z) - Generative AI and Its Educational Implications [0.0]
生成AIが4つの重要なセクションにわたる教育に与える影響について論じる。
我々は、生成型AIが教育の景観を変える方法を提案する。
社会的影響を認め,カリキュラムの更新の必要性を強調した。
論文 参考訳（メタデータ） (2023-12-26T21:29:31Z) - Learning to Prompt in the Classroom to Understand AI Limits: A pilot
study [35.06607166918901]
大規模言語モデル(LLM)と、ChatGPTのような派生したチャットボットは、AIシステムの自然言語処理能力を大幅に改善した。
しかし、AI手法が顕著な貢献を示しているにもかかわらず、興奮は否定的な感情を引き起こしている。
パイロット教育は21人の生徒を抱えた高校で実施された。
論文 参考訳（メタデータ） (2023-07-04T07:51:37Z) - Human-AI Coevolution [48.74579595505374]
Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。
本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
論文 参考訳（メタデータ） (2023-06-23T18:10:54Z) - New Era of Artificial Intelligence in Education: Towards a Sustainable
Multifaceted Revolution [2.94944680995069]
標準化された学術試験におけるChatGPTのハイパフォーマンスは、人工知能(AI)のトピックを、教育の将来に関する主流の議論に押し付けている。
本研究の目的は、応用、利点、課題の3つの主要な軸にまたがる既存の文献のレビューと分析を通じて、AIが教育に与える影響について調査することである。
論文 参考訳（メタデータ） (2023-05-12T08:22:54Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z)
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。