論文の概要: MRGEN: A Conceptual Framework for LLM-Powered Mixed Reality Authoring Tools for Education

• arxiv url: http://arxiv.org/abs/2604.15341v1
• Date: Thu, 12 Mar 2026 12:24:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:13.843577
• Title: MRGEN: A Conceptual Framework for LLM-Powered Mixed Reality Authoring Tools for Education
• Title（参考訳）: MRGEN:LLMを利用した教育用複合現実感オーサリングツールの概念フレームワーク
• Authors: Mohammed Oussama Seddini, Mohamed Ez-Zaouia, Ngoc Luyen Le, Iza Marfisi,
• Abstract要約: MR(Mixed Reality)は、没入的かつマルチモーダルな教育機会を提供するが、教師が技術的な専門知識なしで執筆することは困難である。 我々は,モバイル端末で動作するMR学習活動の作成において,教師を支援するための LLM ベースのオーサリングツールの概念的フレームワーク MRGEN を提案する。
• 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: Mixed Reality (MR) offers immersive and multimodal opportunities for education but remains difficult for teachers to author without technical expertise. We propose MRGEN, a conceptual framework for LLM-powered authoring tools to support teachers in creating MR learning activities that work on mobile devices (tablets and smartphones). MRGEN articulates three axes: Learning Objectives, MR Modality, and GAI Assistance. To validate our framework, we implemented a prototype based on the open-source MIXAP authoring platform and conducted a user study with 24 participants. Results show that LLM-powered authoring reduced task duration by 36% on average, and that over 90% of participants found the AI support helpful for brainstorming, structuring, and aligning content with their learning goals. These findings yielded very promising results for future AI-assisted MR authoring tools.
• Abstract（参考訳）: MR(Mixed Reality)は、没入的かつマルチモーダルな教育機会を提供するが、教師が技術的な専門知識なしで執筆することは困難である。 我々は,モバイル端末(タブレットとスマートフォン)で動作するMR学習活動の作成において,教師を支援するための LLM ベースのオーサリングツールの概念的フレームワーク MRGEN を提案する。 MRGENは、学習目的、MRモダリティ、GAIアシストの3つの軸を表現している。 このフレームワークを検証するために,オープンソースのMIXAPオーサリングプラットフォームをベースとしたプロトタイプを実装し,24名の参加者を対象にユーザスタディを行った。 その結果、LLMによるオーサリングによって平均36%のタスク期間が短縮され、90%以上の参加者が、AIサポートが学習目標とコンテンツを一致させるのに役立つことがわかった。 これらの結果は、将来のAI支援MRオーサリングツールに非常に有望な結果をもたらした。

関連論文リスト

• Students' Perception of LLM Use in Requirements Engineering Education: An Empirical Study Across Two Universities [1.7094085866965287]
  要求工学(RE)教育におけるLLM(Large Language Models)は、教育的アプローチを変革している。 本研究は,REコースにおけるLLMの統合効果を実証的に評価する。 学生は、学術的完全性、AIへの過度な依存、AI生成コンテンツを課題に組み込むことへの懸念を提起した。
  論文  参考訳（メタデータ） (2025-09-07T09:52:47Z)
• MLR-Bench: Evaluating AI Agents on Open-Ended Machine Learning Research [70.72318131988102]
  MLR-Benchは、オープンエンド機械学習研究においてAIエージェントを評価するための包括的なベンチマークである。 MLR-Benchは,(1)NeurIPS, ICLR, ICMLのさまざまなMLトピックを対象としたワークショップから得られた201のリサーチタスク,(2)LLMベースのレビュアーと慎重に設計されたレビュールーリックを組み合わせた自動評価フレームワーク,(3)MLR-Agent,研究タスクを4段階(アイデア生成,提案定式化,実験,論文執筆)で完了するモジュールエージェントの足場である。
  論文  参考訳（メタデータ） (2025-05-26T13:18:37Z)
• Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
  大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• TeamLoRA: Boosting Low-Rank Adaptation with Expert Collaboration and Competition [61.91764883512776]
  我々は,専門家のためのコラボレーション・コンペティション・モジュールからなる,革新的なPEFT手法であるTeamLoRAを紹介する。 そうすることで、TeamLoRAは専門家を"チーム"として内部のコラボレーションや競争に結び付け、マルチタスク学習のためのより高速で正確なPEFTパラダイムを可能にします。
  論文  参考訳（メタデータ） (2024-08-19T09:58:53Z)
• Small LLMs Are Weak Tool Learners: A Multi-LLM Agent [73.54562551341454]
  大規模言語モデル(LLM)エージェントはスタンドアロンのLLMの機能を大幅に拡張する。 本稿では、上記の機能をプランナー、呼び出し元、要約器に分解する新しい手法を提案する。 このモジュール化されたフレームワークは、個々の更新と、それぞれの機能を構築するための小さなLLMの潜在的な使用を容易にする。
  論文  参考訳（メタデータ） (2024-01-14T16:17:07Z)
• LAMM: Language-Assisted Multi-Modal Instruction-Tuning Dataset, Framework, and Benchmark [81.42376626294812]
  本稿では,Language-Assisted Multi-Modalインストラクションチューニングデータセット,フレームワーク,ベンチマークを提案する。 我々の目標は、MLLMのトレーニングと評価のための成長するエコシステムとしてLAMMを確立することです。 本稿では,2次元および3次元視覚のための広範囲な視覚タスクをカバーする包括的データセットとベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-06-11T14:01:17Z)
• CREATOR: Tool Creation for Disentangling Abstract and Concrete Reasoning of Large Language Models [74.22729793816451]
  大規模言語モデル(LLM)はツールの利用において大きな進歩を遂げているが、その能力はAPIの可用性によって制限されている。 我々は、LCMがドキュメンテーションとコード実現を使って独自のツールを作成できる新しいフレームワークCREATORを提案する。 我々は,MATH と TabMWP のベンチマークで CREATOR を評価する。
  論文  参考訳（メタデータ） (2023-05-23T17:51:52Z)

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。