論文の概要: Designing Human-GenAI Interaction for cMOOC Discussion Facilitation: Effects of a Collaborative AI-in-the-Loop Workflow on Social and Cognitive Presence

• arxiv url: http://arxiv.org/abs/2603.29285v1
• Date: Tue, 31 Mar 2026 05:40:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.174253
• Title: Designing Human-GenAI Interaction for cMOOC Discussion Facilitation: Effects of a Collaborative AI-in-the-Loop Workflow on Social and Cognitive Presence
• Title（参考訳）: cMOOC討論ファシリテーションのための人間-ゲンAIインタラクションの設計--協調型AI-the-Loopワークフローが社会的・認知的存在に及ぼす影響
• Authors: Jianjun Xiao, Cixiao Wang,
• Abstract要約: コネクティビストMOOCは学習者主導のインタラクションに頼っているが、意図的かつスケーラブルなファシリテーションは、生成的AI参加を設計することを困難にしている。 本研究では,協調的なAI-イン・ザ・ループ・ワークフローを通じて,人間とAIのインタラクションを議論のファシリテーションのために設計する方法について検討した。
• 参考スコア（独自算出の注目度）: 0.16527192629404033
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Connectivist MOOCs (cMOOCs) rely on learner-driven interaction, yet their intentionally light facilitation makes it difficult to design generative AI participation that is both scalable and educationally productive. This design-based research study examined how human-AI interaction can be designed for discussion facilitation through a collaborative AI-in-the-loop workflow. Across two iterations in a five-week cMOOC (N = 606), we designed, deployed, and evaluated a facilitation system that combined network-structure-driven target selection, discourse-adaptive response roles, and mandatory human review before AI participation became visible in the community. Iteration 1 (Weeks 1-2) focused on refining the interaction design, showing that the most sustainable facilitation patterns were Guide (70.4%) and Amplifier (28.5%) responses and yielding explicit moderation standards for publishable AI participation. Iteration 2 (Weeks 3-5) examined how different forms of AI-mediated interaction related to social and cognitive presence. AI participation selectively enhanced Open Communication (r = 0.188, p = 0.006), Networked Cohesion (r = 0.274, p < 0.001), and overall social presence (r = 0.162, p = 0.015), while cognitive presence showed no overall improvement. More importantly, direct learner-agent interaction was associated with significantly higher social presence (r = 0.186, p = 0.004) and higher-order cognitive indicators-Integration (r = 0.206, p = 0.001) and Resolution/Creation (r = 0.350, p < 0.001)-than mere co-presence in AI-involved threads. The findings suggest that effective GenAI-supported discussion depends less on AI presence alone than on interaction design: reciprocal exchange, discourse-adaptive facilitation roles, and collaborative human review appear to be key conditions for productive AI participation in online learning communities.
• Abstract（参考訳）: コネクティビストMOOC(cMOOC)は学習者主導のインタラクションに依存しているが、意図的な軽量化によって、スケーラブルで教育的に生産的な生成的AI参加を設計することが困難になる。 この設計に基づく研究は、協調的なAI-in-the-loopワークフローを通じて、議論の円滑化のために人間とAIのインタラクションをどのように設計するかを検証した。 5週間のcMOOC(N = 606)の2回にわたって、我々は、ネットワーク構造駆動型ターゲット選択、談話適応型レスポンスロール、AI参加がコミュニティで見られるようになる前に強制的なヒューマンレビューを組み合わせたファシリテーションシステムの設計、デプロイ、評価を行った。 イテレーション1(Weeks 1-2)は、対話設計の洗練に焦点を当て、最も持続可能なファシリテーションパターンはガイド(70.4%)と増幅器(28.5%)であり、公開可能なAI参加のための明示的なモデレーション標準であることを示した。 イテレーション2(Weeks 3-5)では、AIが介在するさまざまな形態の相互作用が、社会的および認知的存在とどのように関連しているかを検討した。 AIの参加は、オープンコミュニケーション(r = 0.188, p = 0.006)、ネットワーク結合(r = 0.274, p < 0.001)、社会全体のプレゼンス(r = 0.162, p = 0.015)を選択的に強化した。 より重要なことは、直接学習者とエージェントの相互作用は、より高い社会的存在(r = 0.186, p = 0.004)と高次認知指標(r = 0.206, p = 0.001)と、AI関連スレッドにおける単なる共プレゼンス(r = 0.350, p < 0.001)と関連付けられていた。 相互交換、談話適応的ファシリテーションの役割、協調的人間レビューは、オンライン学習コミュニティにおける生産的なAI参加の鍵となる条件である。

関連論文リスト

• Cooperation Through Indirect Reciprocity in Child-Robot Interactions [81.62347137438248]
  間接的相互性は子どもとロボットの相互作用に変換できるかどうかを考察する。 IRは子どもやロボットに拡張され、協調ジレンマが解決される。 マルチアームバンディットアルゴリズムによる協調は,人間による戦略に大きく依存していることが観察された。
  論文  参考訳（メタデータ） (2025-11-07T07:08:32Z)
• Efficiency Without Cognitive Change: Evidence from Human Interaction with Narrow AI Systems [0.0]
  狭義のAIツールへの短期的な露出は、コア認知能力を高める。 問題解決や言語理解の標準化には、ポスト前の大きな違いは現れなかった。
  論文  参考訳（メタデータ） (2025-10-28T18:55:44Z)
• Interaction as Intelligence: Deep Research With Human-AI Partnership [25.28272178646003]
  インタラクション・アズ・インテリジェンス」研究シリーズは、深層研究課題における人間とAIの関係の再認識を提示する。 Deep Cognitionは、人間の役割を認知的監視への指示から転換するシステムである。
  論文  参考訳（メタデータ） (2025-07-21T16:15:18Z)
• Co-Creative Learning via Metropolis-Hastings Interaction between Humans and AI [6.712251433139411]
  我々は,人間とAIが相互に部分的な知覚情報と知識を統合して共通外部表現を構築する,共同創造学習を提案する。 我々は、このフレームワークをMetropolis-Hastingsネームゲーム(MHNG)に基づいた人間-AIインタラクションモデルを用いて実証的にテストした。 その結果,人間-AI対とMH系エージェントの相互作用による分類精度は有意に向上した。 ヒトの受入行動は、MH由来の受入確率と密接に一致した。
  論文  参考訳（メタデータ） (2025-06-18T13:58:45Z)
• The Human Robot Social Interaction (HSRI) Dataset: Benchmarking Foundational Models' Social Reasoning [49.32390524168273]
  本研究は,実世界のソーシャルインタラクションにおいて,人工知能(AI)エージェントの社会的推論を促進することを目的としている。 我々は、言語モデル(LM)と基礎モデル(FM)の能力をベンチマークするために、大規模な実世界のヒューマンロボット社会インタラクション(HSRI)データセットを導入する。 私たちのデータセットは、400以上の現実世界の人間のソーシャルロボットインタラクションビデオと10K以上のアノテーションで構成され、ロボットの社会的エラー、能力、合理性、修正行動の詳細を記述しています。
  論文  参考訳（メタデータ） (2025-04-07T06:27:02Z)
• Towards interactive evaluations for interaction harms in human-AI systems [8.989911701384788]
  我々は,テキストインタラクションの害に着目したテキストインタラクション倫理に基づく評価へのシフトを提案する。 まず,(1)静的,(2)普遍的なユーザエクスペリエンスを仮定し,(3)構成妥当性を限定した現状評価手法の限界について議論する。 インタラクティブな評価を設計するための実践的原則として, 生態学的に有効な相互作用シナリオ, ヒューマンインパクトメトリクス, 多様な人間参加アプローチなどがあげられる。
  論文  参考訳（メタデータ） (2024-05-17T08:49:34Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• Human-AI collaboration is not very collaborative yet: A taxonomy of interaction patterns in AI-assisted decision making from a systematic review [6.013543974938446]
  意思決定支援システムにおける人工知能の活用は、技術的進歩に不相応に焦点を合わせてきた。 人間中心の視点は、既存のプロセスとのシームレスな統合のためにAIソリューションを設計することで、この懸念を緩和しようとする。
  論文  参考訳（メタデータ） (2023-10-30T17:46:38Z)
• 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)
• Adversarial Interaction Attack: Fooling AI to Misinterpret Human Intentions [46.87576410532481]
  現在の大きな成功にもかかわらず、ディープラーニングベースのAIシステムは、微妙な敵対的ノイズによって容易に騙されることを示した。 骨格に基づくヒトの相互作用のケーススタディに基づき、相互作用に対する新しい敵対的攻撃を提案する。 本研究では、安全クリティカルなアプリケーションにAIシステムをデプロイする際に慎重に対処する必要があるAIと人間との相互作用ループにおける潜在的なリスクを強調します。
  論文  参考訳（メタデータ） (2021-01-17T16:23:20Z)

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。