論文の概要: CogEvolution: A Human-like Generative Educational Agent to Simulate Student's Cognitive Evolution

• arxiv url: http://arxiv.org/abs/2604.14786v1
• Date: Thu, 16 Apr 2026 08:49:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.811306
• Title: CogEvolution: A Human-like Generative Educational Agent to Simulate Student's Cognitive Evolution
• Title（参考訳）: CogEvolution: 学生の認知的進化をシミュレートする人間のような生成的教育エージェント
• Authors: Wei Zhang, Yihang Cheng, Zhirong Ye, Kezhen Huang,
• Abstract要約: 本稿では,学生の認知進化をシミュレートできる人間的な学習エージェント,CogEvolutionを提案する。 まず,認知心理学からインタラクティブ,コンストラクティブ,アクティブ,パッシブ(ICAP)の分類に基づく認知深度知覚論を構築した。 そこで我々は,項目応答理論(IRT)に基づくメモリ検索手法を提案し,新しい知識と先行知識の関連性と同化をシミュレートする。
• 参考スコア（独自算出の注目度）: 3.299250074026523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative Agents, owing to their precise modeling and simulation capabilities of human behavior, have become a pivotal tool in the field of Artificial Intelligence in Education (AIEd) for uncovering complex cognitive processes of learners. However, existing educational agents predominantly rely on static personas to simulate student learning behaviors, neglecting the decisive role of deep cognitive capabilities in learning outcomes during practice interactions. Furthermore, they struggle to characterize the dynamic fluidity of knowledge internalization, transfer, and cognitive state transitions. To overcome this bottleneck, this paper proposes a human-like educational agent capable of simulating student cognitive evolution: CogEvolution. Specifically, we first construct a cognitive depth perceptron based on the Interactive, Constructive, Active, Passive (ICAP) taxonomy from cognitive psychology, achieving precise quantification of learner cognitive engagement. Subsequently, we propose a memory retrieval method based on Item Response Theory (IRT) to simulate the connection and assimilation of new and prior knowledge. Finally, we design a dynamic cognitive update mechanism based on evolutionary algorithms to simulate the real-time integration of student learning behaviors and cognitive evolution processes. Comprehensive evaluations demonstrate that CogEvolution not only significantly outperforms baseline models in behavioral fidelity and learning curve fitting but also uniquely reproduces plausible and robust cognitive evolutionary paths consistent with educational psychology expectations, providing a novel paradigm for constructing highly interpretable educational agents.
• Abstract（参考訳）: 生成エージェントは、人間の行動の正確なモデリングとシミュレーション能力により、学習者の複雑な認知過程を明らかにするために、AIEd(Artificial Intelligence in Education)分野において重要なツールとなっている。 しかし、既存の教育機関は、学生の学習行動のシミュレートに静的なペルソナを主に頼りにしており、実践的相互作用における学習成果における深い認知能力の決定的な役割を無視している。 さらに、彼らは知識の内在化、伝達、認知状態遷移の動的流動性を特徴づけるのに苦労している。 このボトルネックを克服するために,本研究では,学生の認知進化をシミュレートできる人間的な教育エージェント,CogEvolutionを提案する。 具体的には、まず、認知心理学からインタラクティブ、コンストラクティブ、アクティブ、パッシブ(ICAP)の分類に基づく認知深度知覚論を構築し、学習者の認知エンゲージメントの正確な定量化を実現する。 次に,項目応答理論(IRT)に基づくメモリ検索手法を提案し,新しい知識と先行知識の関連性と同化をシミュレートする。 最後に、進化アルゴリズムに基づく動的認知更新機構を設計し、学生の学習行動と認知進化過程のリアルタイム統合をシミュレートする。 包括的評価では、CogEvolutionは行動の忠実度や学習曲線の適合性においてベースラインモデルよりも著しく優れるだけでなく、教育心理学の期待と整合した妥当で堅牢な認知的進化経路を独自に再現し、高度に解釈可能な教育エージェントを構築するための新しいパラダイムを提供する。

関連論文リスト

• Evolving Cognitive Architectures [51.56484100374058]
  本稿では,次世代のインテリジェントな技術システムの構築につながる研究と開発の方向性を提案する。 これらのシステムの特徴的な特徴は、進化的変化を起こす能力である。
  論文  参考訳（メタデータ） (2025-12-29T10:09:20Z)
• The Imperfect Learner: Incorporating Developmental Trajectories in Memory-based Student Simulation [55.722188569369656]
  本稿では,メモリベースの学生シミュレーションのための新しいフレームワークを提案する。 構造的知識表現を備えた階層記憶機構を通じて発達軌道を組み込む。 実際に,次世代科学標準に基づくカリキュラム・アライン・シミュレータを実装した。
  論文  参考訳（メタデータ） (2025-11-08T08:05:43Z)
• Towards Neurocognitive-Inspired Intelligence: From AI's Structural Mimicry to Human-Like Functional Cognition [1.3126858950459552]
  ニューロ認知インスパイアドインテリジェンス(Neurocognitive-Inspired Intelligence)は、神経科学、認知科学、コンピュータビジョン、AIを組み合わせたハイブリッドアプローチである。 これらのシステムは、人間の脳が柔軟に学習し、推論し、記憶し、知覚し、最小限の監督で現実世界で行動する能力をエミュレートすることを目的としている。
  論文  参考訳（メタデータ） (2025-10-09T20:10:55Z)
• Think Socially via Cognitive Reasoning [94.60442643943696]
  本稿では,人間の社会的認知をモデルとした認知推論について紹介する。 CogFlowは、この機能をLLMに組み込む完全なフレームワークである。
  論文  参考訳（メタデータ） (2025-09-26T16:27:29Z)
• Truly Self-Improving Agents Require Intrinsic Metacognitive Learning [59.60803539959191]
  自己改善エージェントは、最小限の監督で継続的に新しい能力を取得することを目的としている。 現在のアプローチは2つの重要な制限に直面している。自己改善プロセスは、しばしば厳格であり、タスクドメイン全体にわたって一般化できない。 我々は、効果的な自己改善は、エージェントの本質的な能力として定義された固有のメタ認知学習を必要とし、自身の学習プロセスを積極的に評価し、反映し、適応させる。
  論文  参考訳（メタデータ） (2025-06-05T14:53:35Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• NeuroCERIL: Robotic Imitation Learning via Hierarchical Cause-Effect Reasoning in Programmable Attractor Neural Networks [2.0646127669654826]
  本稿では,脳にインスパイアされた神経認知アーキテクチャであるNeuroCERILについて紹介する。 シミュレーションされたロボット模倣学習領域において,NeuroCERILは様々な手続き的スキルを習得できることを示す。 我々は、NeuroCERILは人間のような模倣学習の実行可能な神経モデルであると結論付けた。
  論文  参考訳（メタデータ） (2022-11-11T19:56:11Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Continual Developmental Neurosimulation Using Embodied Computational Agents [0.0]
  神経系の形態形成, 発達学習, 可塑性の関連現象のブリッジングにおける発達軌跡の役割を考察することができる。 我々のアプローチは発達的実施と密に統合されており、発達的ブレイテンベルク車両(dBV)と呼ばれる種類のエージェントを用いて実装することができる。 dBVは、体、センサー、エフェクター、神経システムなど、エージェントベースのシステムへと変貌する、未定義の構造の集合として、自らの生活を始める。
  論文  参考訳（メタデータ） (2021-03-07T07:22:49Z)

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。