論文の概要: Curiosity and Metacognition: Towards a Unified Framework for Learning and Education in the Age of AI

• arxiv url: http://arxiv.org/abs/2604.25648v1
• Date: Tue, 28 Apr 2026 13:45:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.882646
• Title: Curiosity and Metacognition: Towards a Unified Framework for Learning and Education in the Age of AI
• Title（参考訳）: 好奇心とメタ認知:AI時代の学習と教育のための統一フレームワークを目指して
• Authors: Chloé Desvaux, Rania Abdelghani, Pierre-Yves Oudeyer, Hélène Sauzéon,
• Abstract要約: 本稿では,行動,計算,心理教育を一体化した枠組みを提案する。 教室環境における好奇心を高めるための介入の評価を行った。 我々は、ジェネレーティブAIによって導入されたパラダイムシフトに対処する。
• 参考スコア（独自算出の注目度）: 12.130550783674364
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This chapter examines the relationship between curiosity and metacognition as critical drivers of autonomous and self-regulated learning. We synthesize recent research to propose a unified framework integrating behavioral, computational, and psychoeducational dimensions, arguing that curiosity, i.e. the intrinsic drive to acquire new knowledge, relies fundamentally on metacognitive monitoring and control. From an educational perspective, we evaluate interventions designed to enhance curiosity in classroom settings. While promising, our review indicates that these interventions yield mixed results, often proving differentially effective for struggling learners, thereby underscoring the necessity for approaches tailored to individual profiles. Finally, we address the paradigm shift introduced by Generative AI. While Large Language Models (LLMs) offer unprecedented scalability for personalized inquiry, we argue that their default interaction modes pose significant risks to the dynamics of curiosity-driven learning. To mitigate these challenges, we review strategies to transform AI from a potential cognitive shortcut into a powerful partner for sustained epistemic development.
• Abstract（参考訳）: 本章では,自己学習と自己学習の重要な要因としての好奇心とメタ認知の関係について考察する。 我々は,行動,計算,心理教育の次元を統合する統一的な枠組みを提案するために,最近の研究を合成し,好奇心,すなわち,新たな知識獲得の本質的な動機はメタ認知的モニタリングと制御に根本的に依存していると主張した。 教育的観点から,教室環境における好奇心を高めるために設計された介入を評価する。 将来性はあるものの,これらの介入は多種多様であり,障害のある学習者には差分効果があることがしばしば示され,個々のプロファイルに合わせたアプローチの必要性が強調された。 最後に、生成AIによって導入されたパラダイムシフトに対処する。 大きな言語モデル(LLM)はパーソナライズされた質問に対して前例のないスケーラビリティを提供するが、それらのデフォルトのインタラクションモードは好奇心駆動学習のダイナミクスに重大なリスクをもたらすと我々は主張する。 これらの課題を軽減するため、私たちは、AIを潜在的な認知的ショートカットから持続的なてんかん発生のための強力なパートナーに変える戦略を見直します。

関連論文リスト

• Disrupting Cognitive Passivity: Rethinking AI-Assisted Data Literacy through Cognitive Alignment [17.265229093607676]
  我々は、認知的相違を乱すには、認知的アライメントを通じてよりダイナミックで適応的な戦略が必要であると論じる。 このフレームワークでは、AIのインタラクションモード(伝達的または熟考的)とユーザの認知的要求(受容的または熟考的)のマッピングを提供する。
  論文  参考訳（メタデータ） (2026-04-03T06:47:55Z)
• Who Is Doing the Thinking? AI as a Dynamic Cognitive Partner: A Learner-Informed Framework [0.0]
  本研究では,AIを動的認知パートナーとして位置づけるフレームワークを提案する。 学習者がAIを認識と協調するものとして記述した,9つの相互関連次元を同定した。 学生は、理解を拡大する生産的支援と、認知的努力に取って代わる非生産的依存とを区別し、AIがいつ使われるべきか、使用すべきでないかを状況的認識を示す。
  論文  参考訳（メタデータ） (2026-02-17T15:07:06Z)
• From Individual Prompts to Collective Intelligence: Mainstreaming Generative AI in the Classroom [2.7886031629181987]
  我々は、GenAIがピアツーピア学習の触媒として機能する、集合知(CI)にフォーカスした教育へのシフトを論じる。 我々は,2つの学部工学科で生成的CI活動を実施し,140名の学生が思考ルーチンを通した。 その結果、学生は人間の協力と戦略的AIサポートの組み合わせを重んじることが証明された。
  論文  参考訳（メタデータ） (2026-01-07T08:28:20Z)
• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• The Superalignment of Superhuman Intelligence with Large Language Models [63.96120398355404]
  我々は,この疑問に答えるために,学習の観点からスーパーアライメントの概念について議論する。 スーパーアライメントにおけるいくつかの重要な研究課題、すなわち、弱いから強い一般化、スケーラブルな監視、評価に焦点を当てる。 本稿では,学習者モデルの弱点を露呈しようとする敵対的クエリを生成する攻撃者,最小限の人間専門家とともに,批判モデルによって生成されたスケーラブルなフィードバックから学習することで自己を洗練させる学習者,与えられた質問応答対に対する批判や説明を生成する批判者,そして批判によって学習者を改善することを目的とした,3つのモジュールからなるスーパーアライメントの概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-12-15T10:34:06Z)
• Causal Reinforcement Learning: A Survey [57.368108154871]
  強化学習は、不確実性の下でのシーケンシャルな決定問題の解決に不可欠なパラダイムである。 主な障害の1つは、強化学習エージェントが世界に対する根本的な理解を欠いていることである。 因果性は、体系的な方法で知識を形式化できるという点で顕著な利点がある。
  論文  参考訳（メタデータ） (2023-07-04T03:00:43Z)
• A Novel Multimodal Approach for Studying the Dynamics of Curiosity in Small Group Learning [2.55061802822074]
  本稿では,仲間の観察可能な行動と根底にある好奇心状態とを結びつける,好奇心の統合社会認知的記述を提案する。 我々は、好奇心に寄与する個人機能と対人機能と、これらの機能を満たすマルチモーダル動作を区別する。 この研究は、社会的文脈における学習中にモーメント・バイ・モーメントの好奇心を認識して誘発できる学習技術を設計するためのステップである。
  論文  参考訳（メタデータ） (2022-04-01T16:12:40Z)
• From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven Learning in Artificial Intelligence Tasks [56.20123080771364]
  心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。 人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。 CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
  論文  参考訳（メタデータ） (2022-01-20T17:07:03Z)

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。