論文の概要: Why teaching resists automation in an AI-inundated era: Human judgment, non-modular work, and the limits of delegation

• arxiv url: http://arxiv.org/abs/2604.07285v1
• Date: Wed, 08 Apr 2026 16:49:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.645982
• Title: Why teaching resists automation in an AI-inundated era: Human judgment, non-modular work, and the limits of delegation
• Title（参考訳）: 教育がAI時代の自動化に抵抗する理由--人間の判断、非モジュール的仕事、委任の限界
• Authors: Songhee Han,
• Abstract要約: AIはいくつかの有界機能をサポートできるが、意味のある方法での教育作業の自動化は困難である、と私は主張する。 教育実践が人間の認知と学習の創発的な理解に依存している限り、教育は自動化に抵抗する専門的な仕事の一形態である。
• 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: Debates about artificial intelligence (AI) in education often portray teaching as a modular and procedural job that can increasingly be automated or delegated to technology. This brief communication paper argues that such claims depend on treating teaching as more separable than it is in practice. Drawing on recent literature and empirical studies of large language models and retrieval-augmented generation systems, I argue that although AI can support some bounded functions, instructional work remains difficult to automate in meaningful ways because it is inherently interpretive, relational, and grounded in professional judgment. More fundamentally, teaching and learning are shaped by human cognition, behavior, motivation, and social interaction in ways that cannot be fully specified, predicted, or exhaustively modeled. Tasks that may appear separable in principle derive their instructional value in practice from ongoing contextual interpretation across learners, situations, and relationships. As long as educational practice relies on emergent understanding of human cognition and learning, teaching remains a form of professional work that resists automation. AI may improve access to information and support selected instructional activities, but it does not remove the need for human judgment and relational accountability that effective teaching requires.
• Abstract（参考訳）: 教育における人工知能(AI)に関する議論は、教育を、ますます自動化されるか、技術に委譲される、モジュール的で手続き的な仕事として表現することが多い。 この簡潔なコミュニケーション論文は、こうした主張は、実際に行われているものよりも、より分離可能なものとしての教育の扱いに依存していると主張している。 大規模言語モデルと検索強化世代システムに関する最近の文献および実証研究に基づき、AIはいくつかの有界機能をサポートできるが、本質的に解釈的で関係性があり、専門的な判断に基礎を置いているため、意味のある方法で自動化することは困難である、と私は論じる。 より根本的には、教育と学習は人間の認知、行動、モチベーション、社会的相互作用によって、完全に特定、予測、または網羅的にモデル化できない方法で形成される。 原則的に分離可能なタスクは、学習者、状況、関係性にまたがる継続的な文脈解釈から、実践において教育的価値を導出する。 教育実践が人間の認知と学習の創発的な理解に依存している限り、教育は自動化に抵抗する専門的な仕事の一形態である。 AIは情報へのアクセスを改善し、選択された教育活動をサポートするが、効果的な教育に必要な人間の判断や関係説明責任の必要性を排除しない。

関連論文リスト

• Beyond Detection: Rethinking Education in the Age of AI-writing [58.49695743664001]
  ChatGPTのようなジェネレーティブなAIツールが教室や職場、日々の思考に入るにつれ、書記は形式化されるリスクがある。 本論文は,認知心理学,教育理論,実教室の実践を基礎として,機械による文章作成時に失うものについて考察する。
  論文  参考訳（メタデータ） (2026-03-26T11:16:01Z)
• Comprehensive AI Literacy: The Case for Centering Human Agency [0.0]
  AIツールの使用による機能的かつ運用上のスキルに重点を置くことが、それらに関する批判的かつ倫理的な理由付けの開発を妨げる、危険なギャップの出現を私たちは目撃しています。 このポジションペーパーは、人間を中心とする包括的なAIリテラシーへの体系的なシフトを論じている。
  論文  参考訳（メタデータ） (2025-12-18T15:25:38Z)
• Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence [59.07578850674114]
  音の誘惑的推論は、一般知能の必然的に望ましい側面である。 もっとも先進的なフロンティアシステムでさえ、定期的かつ一貫して容易に解決可能な推論タスクに干渉していることは、よく文書化されている。 彼らの不健全な振る舞いは、彼らの発展を支えている統計的学習のアプローチの結果である、と我々は主張する。
  論文  参考訳（メタデータ） (2025-06-30T14:37:50Z)
• 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)
• Towards responsible AI for education: Hybrid human-AI to confront the Elephant in the room [2.674109837115132]
  この分析は、教育における現在のAI手法の公平性、透明性、有効性を損なう9つの永続的な課題を特定し、検証する。 これらには、教育のためのAIが本当に意味するところに関する明確さの欠如と、それをドメインに依存しない企業主導の大規模言語モデルと同一視する傾向が含まれている。 我々は、ハイブリッドAIメソッド、特にニューラルシンボリックAIが、部屋の象にどう対処できるかを実証し、教育における責任ある信頼できるAIシステムの基盤として役立ちます。
  論文  参考訳（メタデータ） (2025-04-22T13:20:43Z)
• AI in Education: Rationale, Principles, and Instructional Implications [0.0]
  ChatGPTのような生成AIは、人間のようなコンテンツを作り、その教育的役割について疑問を呈する。 この研究は、AIが真の認知的努力を補うのではなく、確実に補完する意図的な戦略を強調している。
  論文  参考訳（メタデータ） (2024-12-02T14:08:07Z)
• YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
  本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。 モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。 実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-28T14:32:15Z)
• Progressively Efficient Learning [58.6490456517954]
  我々はCEIL(Communication-Efficient Interactive Learning)という新しい学習フレームワークを開発した。 CEILは、学習者と教師がより抽象的な意図を交換することで効率的にコミュニケーションする人間のようなパターンの出現につながる。 CEILで訓練されたエージェントは、新しいタスクを素早く習得し、非階層的で階層的な模倣学習を、絶対的な成功率で最大50%、20%上回った。
  論文  参考訳（メタデータ） (2023-10-13T07:52:04Z)
• The Responsible Development of Automated Student Feedback with Generative AI [6.008616775722921]
  AIの最近の進歩、特に大規模言語モデル(LLM)では、スケーラブルで反復可能でインスタントなフィードバックを提供する新たな機会が提示されている。 しかし、これらの技術の実装には、慎重に対処しなければならない多くの倫理的考察も導入されている。 AIシステムの中核となる利点の1つは、ルーチンや日常的なタスクを自動化する能力であり、人間の教育者を解放して、より微妙な仕事をさせる可能性がある。 しかし、自動化の容易さは、少数派や独特な学習者の多様なニーズが見過ごされる「多数派」の暴行を招きかねない。
  論文  参考訳（メタデータ） (2023-08-29T14:29:57Z)
• "No, to the Right" -- Online Language Corrections for Robotic Manipulation via Shared Autonomy [70.45420918526926]
  LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。 LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。 提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
  論文  参考訳（メタデータ） (2023-01-06T15:03:27Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。