論文の概要: Evaluating Adaptive Personalization of Educational Readings with Simulated Learners

• arxiv url: http://arxiv.org/abs/2604.16744v1
• Date: Fri, 17 Apr 2026 23:21:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.154749
• Title: Evaluating Adaptive Personalization of Educational Readings with Simulated Learners
• Title（参考訳）: 模擬学習者による教育読解の適応的パーソナライゼーションの評価
• Authors: Ryan T. Woo, Anmol Rao, Aryan Keluskar, Yinong Chen,
• Abstract要約: 本研究では,理論基礎学習者による学習教材の適応的パーソナライゼーションを評価するための枠組みを提案する。 このシステムは、オープンオントロジーから学習対象および知識コンポーネントを構築し、ブラウザベースのオントロジーアトラスでキュレートし、教科書チャンクにオントロジーエンティティをラベル付けし、整列した読み・評価ペアを生成する。 シミュレーション読者は、DIMEスタイルのリーダファクター、KRECスタイルの誤解修正、オープンなNew Dale-Chall可読性信号を含むコンストラクション・インテグレーションにインスパイアされたメモリモデルを通して、パスから学習する。
• 参考スコア（独自算出の注目度）: 4.215677219149879
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a framework for evaluating adaptive personalization of educational reading materials with theory-grounded simulated learners. The system builds a learning-objective and knowledge-component ontology from open textbooks, curates it in a browser-based Ontology Atlas, labels textbook chunks with ontology entities, and generates aligned reading-assessment pairs. Simulated readers learn from passages through a Construction-Integration-inspired memory model with DIME-style reader factors, KREC-style misconception revision, and an open New Dale-Chall readability signal. Answers are produced by score-based option selection over the learner's explicit memory state, while BKT drives adaptation. Across three sampled subject ontologies and matched cohorts of 50 simulated learners per condition, adaptive reading significantly improved outcomes in computer science, yielded smaller positive but inconclusive gains in inorganic chemistry, and was neutral to slightly negative in general biology.
• Abstract（参考訳）: 本研究では,理論基礎学習者による学習教材の適応的パーソナライゼーションを評価するための枠組みを提案する。 このシステムは、オープン教科書から学習対象および知識コンポーネントオントロジーを構築し、ブラウザベースのオントロジーアトラスでキュレートし、テキストチャンクにオントロジーエンティティをラベル付けし、整列した読み-評価ペアを生成する。 シミュレーション読者は、DIMEスタイルのリーダファクター、KRECスタイルの誤解修正、オープンなNew Dale-Chall可読性信号を含むコンストラクション・インテグレーションにインスパイアされたメモリモデルを通して、パスから学習する。 回答は、学習者の明示的なメモリ状態に対するスコアベースのオプション選択によって生成され、BKTは適応を駆動する。 3つのサンプルオントロジーと50人の模擬学習者のコホートが一致し、適応読解はコンピュータ科学の成果を著しく改善し、無機化学においてより小さいが決定的でない利益をもたらし、一般生物学ではわずかに否定的であった。

関連論文リスト

• Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
  古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。 このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。 我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
  論文  参考訳（メタデータ） (2026-01-29T14:29:21Z)
• A Closed-Loop Personalized Learning Agent Integrating Neural Cognitive Diagnosis, Bounded-Ability Adaptive Testing, and LLM-Driven Feedback [5.190121417265426]
  本稿では,ニューラル認知診断モデル(NCD),境界能力コンピュータ適応テスト戦略(BECAT),大規模言語モデル(LLM)を統合するエンド・ツー・エンドの個別学習エージェントを提案する。 ASSISTmentsデータセットの実験では、NCDモジュールは解釈可能なマスタリーアセスメントを出力しながら応答予測において高い性能を達成する。 全体としては,提案した設計は効果的かつ実用的に展開可能であることを示唆している。
  論文  参考訳（メタデータ） (2025-10-26T07:32:31Z)
• Fuzzy, Symbolic, and Contextual: Enhancing LLM Instruction via Cognitive Scaffolding [3.553493344868413]
  本研究では,指導対話における大規模言語モデル(LLM)の認知行動に,素早いレベルの帰納的バイアスがどう影響するかを検討する。 本稿では,適応的,構造化された推論を促進するために,短期記憶スキーマと組み合わせたシンボリックスキャフォールディング手法を提案する。 予備的な結果は、我々の完全なシステムがベースラインの変種を一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-08-28T20:46:13Z)
• Learning Interpretable Representations Leads to Semantically Faithful EEG-to-Text Generation [52.51005875755718]
  我々は脳波からテキストへの復号に焦点をあて、後部崩壊のレンズを通して幻覚の問題に対処する。 脳波とテキスト間の情報容量のミスマッチを認め、デコードタスクをコア意味のセマンティックな要約として再設計する。 パブリックなZuCoデータセットの実験では、GLIMが一貫して、流動的なEEG基底文を生成することが示されている。
  論文  参考訳（メタデータ） (2025-05-21T05:29:55Z)
• Meta-Representational Predictive Coding: Biomimetic Self-Supervised Learning [51.22185316175418]
  メタ表現予測符号化(MPC)と呼ばれる新しい予測符号化方式を提案する。 MPCは、並列ストリームにまたがる感覚入力の表現を予測することを学ぶことによって、感覚入力の生成モデルを学ぶ必要性を助長する。
  論文  参考訳（メタデータ） (2025-03-22T22:13:14Z)
• Boosting Semi-Supervised Scene Text Recognition via Viewing and Summarizing [71.29488677105127]
  既存のシーンテキスト認識(STR)手法は、特に芸術的で歪んだ文字に対して、挑戦的なテキストを認識するのに苦労している。 人的コストを伴わずに、合成データと実際のラベルなしデータを活用して、対照的な学習ベースのSTRフレームワークを提案する。 本手法は,共通ベンチマークとUnion14M-Benchmarkで平均精度94.7%,70.9%のSOTA性能を実現する。
  論文  参考訳（メタデータ） (2024-11-23T15:24:47Z)
• In-Memory Learning: A Declarative Learning Framework for Large Language Models [56.62616975119192]
  本研究では,人間ラベルデータに頼らずにエージェントが環境に整合できる新しい学習フレームワークを提案する。 このプロセス全体がメモリコンポーネント内で変換され、自然言語で実装される。 フレームワークの有効性を実証し、この問題に対する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-05T08:25:11Z)
• Lesion-Aware Contrastive Representation Learning for Histopathology Whole Slide Images Analysis [16.264758789726223]
  本稿では,スライド画像解析の病理組織学的手法として,Lesion-Aware Contrastive Learning (LACL) という新しいコントラスト表現学習フレームワークを提案する。 実験の結果,LACLは異なるデータセット上での組織像表現学習において,最高の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-06-27T08:39:51Z)
• Automatic Recall Machines: Internal Replay, Continual Learning and the Brain [104.38824285741248]
  ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。 本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。 代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
  論文  参考訳（メタデータ） (2020-06-22T15:07:06Z)

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。