論文の概要: Mapping the Methodological Space of Classroom Interaction Research: Scale, Duration, and Modality in an Age of AI

• arxiv url: http://arxiv.org/abs/2604.28098v1
• Date: Thu, 30 Apr 2026 16:42:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.204019
• Title: Mapping the Methodological Space of Classroom Interaction Research: Scale, Duration, and Modality in an Age of AI
• Title（参考訳）: 教室インタラクション研究の方法論空間のマッピング:AI時代のスケール、時間、モダリティ
• Authors: Dorottya Demszky, Edith Bouton, Alison Twiner, Sara Hennessy, Richard Correnti,
• Abstract要約: 教室の相互作用に関する研究は、大規模な観察と詳細なエスノグラフィーの2つに分かれてきた。 本稿では, この方法論空間を3次元のスケール, 持続時間, モダリティに沿ってマッピングする枠組みを提案する。 このフレームワークが研究やツールデザインをどのようにガイドできるかを検討する。
• 参考スコア（独自算出の注目度）: 3.924928875997318
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Research on classroom interaction has long been divided between large-scale observation and in-depth ethnographic work. We propose a framework mapping this methodological space along three dimensions--scale, duration, and modality--where a study's position shapes what it reveals and obscures. We illustrate it through contrasting studies of dialogic teaching--Howe et al. (2019) and Snell and Lefstein (2018)--and an interview with the lead researchers, organized around three questions: what can be operationalized, what mechanisms become visible, and what translates to practice. We then examine how AI is expanding this space and how the framework can guide research and tool design.
• Abstract（参考訳）: 教室の相互作用に関する研究は、大規模な観察と詳細なエスノグラフィー研究の2つに分かれてきた。 本稿では,この方法論空間をスケール,持続時間,モダリティの3次元に沿ってマッピングする枠組みを提案する。 ダイアログの授業について,Snell and Lefstein (2018) と Howe et al (2019) と Snell and Lefstein (2018) を対比して検討し,その内容について解説する。 そして、AIがこの領域をいかに広げているか、そしてフレームワークが研究とツールデザインをガイドする方法を調べます。

関連論文リスト

• The Latent Space: Foundation, Evolution, Mechanism, Ability, and Outlook [157.2023962273514]
  言語ベースモデルのネイティブベースとして,潜伏空間が急速に出現している。 この調査は、言語ベースのモデルにおける潜在空間の統一的で最新の展望を提供することを目的としている。
  論文  参考訳（メタデータ） (2026-04-02T13:36:37Z)
• Large-Scale Multidimensional Knowledge Profiling of Scientific Literature [46.15403461273178]
  2020年から2025年の間に、22の主要なカンファレンスから10万以上の論文をまとめてまとめました。 分析では,安全性の向上,マルチモーダル推論,エージェント指向研究など,いくつかの顕著な変化に注目した。 これらの発見は、AI研究の進化に関するエビデンスベースの見解を提供し、より広範なトレンドを理解し、新たな方向性を特定するためのリソースを提供する。
  論文  参考訳（メタデータ） (2026-01-21T16:47:05Z)
• Spatial Reasoning in Multimodal Large Language Models: A Survey of Tasks, Benchmarks and Methods [11.53401872925025]
  空間能力は入力形式によってのみ決定されるものではないと我々は主張する。 本調査では,認知的側面から空間知性を整理する分類法を紹介した。 トレーニングベースと推論ベースの両方にまたがる空間能力向上手法を解析する。
  論文  参考訳（メタデータ） (2025-11-14T02:43:17Z)
• Multimodal Spatial Reasoning in the Large Model Era: A Survey and Benchmarks [108.15756345836901]
  大規模モデルを用いたマルチモーダル空間推論タスクの包括的レビューを行う。 我々は、視覚言語ナビゲーションやアクションモデルを含む、具体的AIの進歩についてレビューする。 我々は,新しいセンサによる空間的理解に寄与する音声やエゴセントリックビデオなどの新たなモダリティを考察する。
  論文  参考訳（メタデータ） (2025-10-29T17:55:43Z)
• Argumentation and Machine Learning [4.064849471241967]
  本章では,計算論と機械学習のクロス・フェーティフィケーションのある程度のアプローチを提示する研究の概要を紹介する。 これら2つの領域間の相互作用の目的を表す2つの広いテーマが同定された。 我々は,学習の種類や議論フレームワークの形式など,様々な次元にわたる作品のスペクトルを評価する。
  論文  参考訳（メタデータ） (2024-10-31T08:19:58Z)
• A First Step in Using Machine Learning Methods to Enhance Interaction Analysis for Embodied Learning Environments [4.349901731099916]
  本研究は,機械学習とマルチモーダル学習分析を用いて,研究者のタスクを簡略化することを目的とする。 本研究は,学生の状態,行動,視線,感情,運動をタイムライン上で視覚的に表現できる可能性を決定するための最初のケーススタディである。 このタイムラインにより,マルチモーダル・インタラクション分析によって同定された臨界学習モーメントのアライメントを調べることができる。
  論文  参考訳（メタデータ） (2024-05-10T02:40:24Z)
• Scalable Scene Modeling from Perspective Imaging: Physics-based Appearance and Geometry Inference [3.2229099973277076]
  論文は3Dシーンモデリングをその最先端に進める貢献のごく一部を提示する。 一般的なディープラーニング手法とは対照的に、この論文は第一原理に従うアルゴリズムの開発を目的としている。
  論文  参考訳（メタデータ） (2024-04-01T17:09:40Z)
• Getting aligned on representational alignment [93.08284685325674]
  本研究では,認知科学,神経科学,機械学習における表現的アライメントの研究を行う。 重複する関心にもかかわらず、これらの分野の間には知識の伝達が限られている。 本稿では,表現アライメント研究のための共通言語として機能する統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-18T17:47:58Z)
• Unsupervised Discriminative Embedding for Sub-Action Learning in Complex Activities [54.615003524001686]
  本稿では,複雑な活動における教師なしサブアクション学習の新たなアプローチを提案する。 提案手法は,視覚表現と時間表現の両方を,サブアクションを識別的に学習する潜在空間にマッピングする。 視覚-時空間埋め込みと判別的潜在概念の組み合わせにより,教師なし設定でロバストな動作表現を学習できることを示す。
  論文  参考訳（メタデータ） (2021-04-30T20:07:27Z)

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。