論文の概要: Persona-Based Requirements Engineering for Explainable Multi-Agent Educational Systems: A Scenario Simulator for Clinical Reasoning Training

• arxiv url: http://arxiv.org/abs/2604.17186v1
• Date: Sun, 19 Apr 2026 01:18:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.378285
• Title: Persona-Based Requirements Engineering for Explainable Multi-Agent Educational Systems: A Scenario Simulator for Clinical Reasoning Training
• Title（参考訳）: 説明可能なマルチエージェント教育システムのためのペルソナに基づく要件工学:臨床推論トレーニングのためのシナリオシミュレータ
• Authors: Weibing Zheng, Laurah Turner, Jess Kropczynski, Matthew Kelleher, Murat Ozer, Shane Halse,
• Abstract要約: 要件工学の初期段階からマルチエージェント教育システム(MAES)が説明可能であることを保証することが重要である。 そこで本論文では,MAESREフレームワークを人間第一,ペルソナ駆動,説明可能なフレームワークとして提案し,臨床推論トレーニングのためのMAESを通してその枠組みを実証する。
• 参考スコア（独自算出の注目度）: 1.578928880409315
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As Artificial Intelligence (AI) and Agentic AI become increasingly integrated across sectors such as education and healthcare, it is critical to ensure that Multi-Agent Education System (MAES) is explainable from the early stages of requirements engineering (RE) within the AI software development lifecycle. Explainability is essential to build trust, promote transparency, and enable effective human-AI collaboration. Although personas are well-established in human-computer interaction to represent users and capture their needs and behaviors, their role in RE for explainable MAES remains underexplored. This paper proposes a human-first, persona-driven, explainable MAES RE framework and demonstrates the framework through a MAES for clinical reasoning training. The framework integrates personas and user stories throughout the RE process to capture the needs, goals, and interactions of various stakeholders, including medical educators, medical students, AI patient agent, and clinical agents (physical exam agent, diagnostic agent, clinical intervention agent, supervisor agent, evaluation agent). The goals, underlying models, and knowledge base shape agent interactions and inform explainability requirements that guided the clinical reasoning training of medical students. A post-usage survey found that more than 78\% of medical students reported that MAES improved their clinical reasoning skills. These findings demonstrate that RE based on persona effectively connects technical requirements with non-technical medical students from a human-centered approach, ensuring that explainable MAES are trustworthy, interpretable, and aligned with authentic clinical scenarios from the early stages of the AI system engineering. The partial MAES for the clinical scenario simulator is~\href{https://github.com/2sigmaEdTech/MAS/}{open sourced here}.
• Abstract（参考訳）: 人工知能(AI)とエージェントAIが、教育や医療などの分野にまたがってますます統合されるにつれて、AIソフトウェア開発ライフサイクルにおける要件工学(RE)の初期段階からマルチエージェント教育システム(MAES)が説明可能であることを保証することが重要である。 信頼の構築、透明性の促進、効果的な人間とAIのコラボレーションの実現には、説明責任が不可欠である。 ペルソナは、ユーザを表現し、そのニーズや振る舞いを捉えるために、人間とコンピュータのインタラクションにおいてよく確立されているが、説明可能なMAESでは、彼らの役割は未解明のままである。 そこで本論文では,MAESREフレームワークを人間第一,ペルソナ駆動,説明可能なフレームワークとして提案し,臨床推論トレーニングのためのMAESを通してその枠組みを実証する。 このフレームワークはREプロセス全体を通してペルソナとユーザストーリーを統合し、医療教育者、医学生、AI患者エージェント、臨床エージェント(身体検査エージェント、診断エージェント、臨床介入エージェント、監督エージェント、評価エージェント)を含む様々な利害関係者のニーズ、目標、相互作用を捉える。 目標,基礎モデル,知識ベース形状エージェントの相互作用は,臨床理学療法を指導する説明可能性要件に影響を及ぼす。 使用後調査では、医療学生の78%以上が、MAESが臨床推論スキルを改善したと報告している。 これらの結果から,REは技術要件を人間中心のアプローチで非技術系医学生と効果的に結び付け,説明可能なMAESが信頼でき,解釈可能であり,AIシステム工学の初期段階から臨床シナリオと整合していることが確認された。 臨床シナリオシミュレーターの部分MAESは~\href{https://github.com/2sigmaEdTech/MAS/}{opensourceed here}である。

関連論文リスト

• EvoClinician: A Self-Evolving Agent for Multi-Turn Medical Diagnosis via Test-Time Evolutionary Learning [72.70291772077738]
  エージェントのマルチターン診断能力を評価するためのベンチマークであるMed-Inquireを提案する。 次に、テスト時に効率的な診断戦略を学ぶ自己進化エージェントであるEvoClinicianを紹介する。 実験の結果,EvoClinicianは連続学習ベースラインや,メモリエージェントなどの自己進化エージェントよりも優れていた。
  論文  参考訳（メタデータ） (2026-01-30T13:26:18Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• A Fuzzy Supervisor Agent Design for Clinical Reasoning Assistance in a Multi-Agent Educational Clinical Scenario Simulation [1.8142288667655782]
  本稿ではファジィ・スーパーバイザ・エージェント(FSA)の設計とアーキテクチャについて述べる。 FSAは、Multi-Agent Educational Clinical Scenario Simulation (MAECSS)プラットフォームの新しいコンポーネントである。 学生の意思決定過程をリアルタイムで分析することにより、FSAは適応的でコンテキスト対応のフィードバックを提供するように設計されている。
  論文  参考訳（メタデータ） (2025-07-03T21:51:27Z)
• TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews [54.35097932763878]
  Thematic Analysis (TA) は、構造化されていないテキストデータの潜在意味を明らかにするために広く使われている定性的手法である。 本稿では,多エージェントLEMを用いた人間とAIの協調的テーマ分析フレームワークTAMAを提案する。 TAMA は既存の LLM 支援TA アプローチよりも優れており,高い主題的ヒット率,カバレッジ,独特性を実現している。
  論文  参考訳（メタデータ） (2025-03-26T15:58:16Z)
• Clinicians don't know what explanations they need: A case study on eliciting AI software explainability requirements [0.0]
  本稿では、AIコンポーネントを用いたソフトウェアアプリケーション作成において、ソフトウェア開発者が説明可能性要件をどのように適用するかを分析する。 ノルウェーの病院で小さなソフトウェア開発チームに従って、我々はAIアプリケーションを同時に開発するプロセスを観察します。 臨床医はシステムと対話する前に説明可能性の必要性を明確にするために苦労したため、反復的アプローチが有効であることが判明した。
  論文  参考訳（メタデータ） (2025-01-16T15:17:33Z)
• Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
  本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。 我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
  論文  参考訳（メタデータ） (2024-11-16T18:19:53Z)
• Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
  大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。 本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-24T15:41:56Z)

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。