論文の概要: Who Decides in AI-Mediated Learning? The Agency Allocation Framework

• arxiv url: http://arxiv.org/abs/2604.13534v1
• Date: Wed, 15 Apr 2026 06:29:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.415717
• Title: Who Decides in AI-Mediated Learning? The Agency Allocation Framework
• Title（参考訳）: AIを媒介とする学習で誰が決定するか : 機関割当フレームワーク
• Authors: Conrad Borchers, Olga Viberg, René F. Kizilcec,
• Abstract要約: 本稿では,学習者機関を学習者,教育者,機関,AIシステムにまたがる意思決定権限の割り当てとして再編成する。 AAFは、多かれ少なかれ自動化を提唱するのではなく、AIが学習者の行動能力をいつ取得するかの体系的な分析を支持している。
• 参考スコア（独自算出の注目度）: 2.636629452298615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As AI-mediated learning systems increasingly shape how learners plan, decide, and progress through education, learner agency is becoming both more consequential and harder to conceptualize at scale. Existing research often treats agency as a proxy for engagement and self-regulation, leaving unclear who actually holds decision-making authority in large-scale, automated learning environments. This paper reframes learner agency as the allocation of decision authority across learners, educators, institutions, and AI systems. We introduce the Agency Allocation Framework (AAF) for analyzing how decisions are distributed, how choices are architected, what evidence supports them, and over what time horizons their consequences unfold. Drawing on a focused review of Learning@Scale literature and an illustrative tutoring-system example, we identify four recurring challenges for studying learner agency at scale: (1) conceptual ambiguity, (2) reliance on behavioral proxies, (3) trade-offs between efficiency and learner control, and (4) the redistribution of agency through AI-mediated systems. Rather than advocating more or less automation, the AAF supports systematic analysis of when AI scaffolds learners' capacity to act and when it substitutes for it. By making decision authority explicit, the framework provides researchers and designers with analytic tools for studying, comparing, and evaluating agency-preserving learning systems in increasingly automated educational contexts.
• Abstract（参考訳）: AIによる学習システムが、学習者の計画、決定、そして教育の進歩の仕方をますます形作るにつれて、学習機関は、より簡潔かつ大規模に概念化するのが難しくなってきている。 既存の研究は、エージェンシーをエンゲージメントと自己統制のプロキシとして扱うことが多く、大規模で自動化された学習環境において、誰が実際に意思決定権限を持っているのかははっきりしない。 本稿では,学習者機関を学習者,教育者,機関,AIシステムにまたがる意思決定権限の割り当てとして再編成する。 私たちはAAF(Areasure Allocation Framework)を導入して、意思決定の分散方法、選択のアーキテクチャ、それらをサポートするエビデンス、結果の展開時間などを分析します。 本研究では,(1)概念的曖昧さ,(2)行動プロキシへの依存,(3)効率と学習者の制御のトレードオフ,(4)AIを介するシステムによるエージェントの再分配の4つの繰り返し課題を,Learning@Scaleの文献と図示的学習システム例に基づいて抽出した。 AAFは、多かれ少なかれ自動化を提唱するのではなく、AIが学習者の行動能力とそれの代わりにいつ働くかを体系的に分析する。 決定権限を明確にすることで、このフレームワークは研究者やデザイナーに、ますます自動化された教育文脈における機関保存学習システムの研究、比較、評価のための分析ツールを提供する。

関連論文リスト

• Toward Self-Driving Universities: Can Universities Drive Themselves with Agentic AI? [4.0927251014877255]
  エージェントAIと大規模言語モデル(LLM)の急速な進化は、高等教育機関に変革の機会をもたらす。 この章では、AIを活用したシステムが、管理、学術、品質保証プロセスを段階的に自動化するビジョンである、自動運転大学の概念を紹介します。
  論文  参考訳（メタデータ） (2026-02-06T07:39:52Z)
• 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 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)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
  我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。 学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。 トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:38:57Z)
• 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。