論文の概要: AI Expert Twin: Capturing Expert Cognition for Human-Centred, Practice-Based Learning
- arxiv url: http://arxiv.org/abs/2605.01401v2
- Date: Sat, 09 May 2026 01:23:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 19:24:01.134368
- Title: AI Expert Twin: Capturing Expert Cognition for Human-Centred, Practice-Based Learning
- Title（参考訳）: AIエキスパートのツイン:人間中心の実践ベースの学習のためのエキスパート認知の獲得
- Abstract要約: 本稿では、専門家の知識をモデル化する認知中心のフレームワークであるAI Expert Twinを紹介する。
我々は、専門家の認知を3層表現として定式化し、このモデルの下で専門家の知識を捉える。
このフレームワークは、職業教育やクリエイティブ産業などの分野にまたがって移行できるように設計されている。
- 参考スコア（独自算出の注目度）: 3.934020982725159
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tacit knowledge embedded in expert practice remains difficult to capture, formalise, and scale. While AI-driven educational systems have advanced personalisation, learner modelling, affective support, and self-regulated learning, they less often model the tacit reasoning and context-sensitive judgement that underpin expert practice in practice-based domains. This paper introduces the AI Expert Twin, a cognition-centric framework that models expert knowledge as structured, computable representations of procedural actions, semantic concepts, and decision processes. The framework also considers how value-laden preferences, trade-offs, and uncertainty shape expert judgement in practice. We formalise expert cognition as a three-layer representation and capture knowledge from experts under this model, laying the groundwork for integration into AI-powered educational system. A case study in a cultural heritage workshop demonstrates the feasibility of the approach in a real-world setting. The framework is designed to be transferable across domains such as vocational education and creative industries. By embedding expert heuristics into AI while maintaining transparency and learner agency, the AI Expert Twin offers a novel path towards scalable, practice-based learning and invites further research on ethical, human-centred applications of AI in education.
- Abstract（参考訳）: 専門家の実践に埋め込まれた暗黙の知識は、キャプチャ、フォーマライズ、スケールが難しいままです。
AI駆動型教育システムは、高度なパーソナライゼーション、学習者モデリング、感情的サポート、自己統制型学習を持っているが、実践ベースのドメインにおける専門家の実践を支える暗黙の推論と文脈に敏感な判断をモデル化することは少ない。
本稿では、専門家の知識を、手続き的行動、意味論的概念、意思決定プロセスの構造化された計算可能な表現としてモデル化する、認知中心のフレームワークであるAI Expert Twinを紹介する。
また、このフレームワークは、実際にどのように価値を優先するか、トレードオフ、不確実な形状の専門家による判断を考察する。
我々は、専門家の認知を3層表現として定式化し、このモデルの下で専門家の知識を捉え、AIを活用した教育システムへの統合の基礎を築いた。
文化遺産ワークショップにおける事例研究は、現実の環境でのアプローチの実現可能性を示すものである。
このフレームワークは、職業教育やクリエイティブ産業などの分野にまたがって移行できるように設計されている。
AIの専門家であるTwin氏は、透明性と学習機関を維持しながら、専門家のヒューリスティックスをAIに組み込むことによって、スケーラブルで実践ベースの学習への新たな道程を提供し、教育におけるAIの倫理的、人間中心の応用に関するさらなる研究を招待している。
関連論文リスト
- Search2Skill: Skill Distillation Beyond Knowledge Boundaries Via Rubric-Based Reinforcement Learning [38.331356573409884]
本稿では,エージェントの能力ギャップを自動的に識別し,外部ソースを検索して対処する新しいフレームワーク,Search2Skillを提案する。
3つのベンチマークによる8つのエキスパートレベルドメインの実験は、Search2Skillが検索強化とトラジェクトリベースのスキル学習ベースライン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） (2026-08-05T15:09:07Z) - Beyond the Algorithm: Professional Experiences and Perceptions of AI Bias [0.0]
本研究の目的は、社会的偏見がどのように出現し、認識され、人工知能や機械学習システム内で緩和されるかを検討することである。
この研究は、セクター固有の人口ではなく、AI実践者の生きた経験と専門的な洞察に焦点を当てた。
アルゴリズム的バイアスは、歴史的不平等、排他的設計の前提、そして倫理的反映よりも速度と効率を優先する組織的圧力から生じることを示した。
論文 参考訳（メタデータ） (2026-06-13T00:59:17Z) - Learning AI Without a STEM Background: Mixed-Methods Evidence from a Diverse, Mixed-Cohort AIED Program [0.0]
本稿では,NSFが支援する,革新的混成コホート型AI教育モデルを提示し,評価する。
我々は,学習者の学術機関,AI概念の信頼度,キャリア・トラジェクトリの拡大に対する認識について検討する。
この結果から、倫理的足場、メンターシップ、構造化された議論といった人間中心の教育支援が、公平なAI教育の不可欠な要素であることが示唆された。
論文 参考訳（メタデータ） (2026-03-27T01:29:36Z) - AI Literacy for Community Colleges: Instructors' Perspectives on Scenario-Based and Interactive Approaches to Teaching AI [0.500208619516796]
本研究は,非STEM学習者を対象とした対話型,非コード型AIリテラシーリソースについて,コミュニティ・カレッジ・インストラクターがどのように評価するかを検討する。
人工知能が日々のテクノロジーに統合されるにつれて、AIリテラシーは分野によって重要なスキルとして現れてきた。
AI Userはインタラクティブなオンラインカリキュラムで、実世界のコンテキストに設定されたシナリオベースのアクティビティを通じて、コアAI概念を紹介する。
論文 参考訳（メタデータ） (2025-11-07T15:51:53Z) - AI as Cognitive Amplifier: Rethinking Human Judgment in the Age of Generative AI [0.65268245109828]
私はAIエンゲージメントの3段階モデルを提案します。
レベル間の移行には技術トレーニングではなく、ドメインの専門知識とメタ認知スキルの開発が必要だ、と私は主張します。
論文 参考訳（メタデータ） (2025-10-30T11:55:34Z) - Web-CogReasoner: Towards Knowledge-Induced Cognitive Reasoning for Web Agents [49.88380945341337]
我々は,Webエージェントの能力を,知識コンテンツ学習と認知プロセスの2つの重要な段階に分解する。
知識獲得を容易にするため,14の現実世界のウェブサイトから収集した構造化リソースであるWeb-CogDatasetを構築した。
この基盤の上に構築し、新しい知識駆動型チェーン・オブ・ソート(CoT)推論フレームワークを通じてこれらのプロセスを運用する。
論文 参考訳（メタデータ） (2025-08-03T17:17:52Z) - AI Pedagogy: Dialogic Social Learning for Artificial Agents [0.6553587309274792]
本研究では,従来のAIトレーニング手法の限界に対処するために,社会的に媒介する学習パラダイムの可能性を探る。
そこで我々は,AI学習者エージェントが,知識のあるAI教師エージェントと教科の教育対話を行う,AIソーシャルガイム(AI Social Gym)と呼ばれる動的環境を導入する。
我々の調査は、異なる教育戦略が、買収の文脈におけるAI学習プロセスにどのように影響するかに焦点を当てている。
論文 参考訳（メタデータ） (2025-05-25T11:19:48Z) - Two Experts Are All You Need for Steering Thinking: Reinforcing Cognitive Effort in MoE Reasoning Models Without Additional Training [86.70255651945602]
我々はReinforcecing Cognitive Experts(RICE)と呼ばれる新しい推論時ステアリング手法を導入する。
RICEは、追加のトレーニングや複雑化なしに推論のパフォーマンスを改善することを目的としている。
先行する MoE ベースの LRM を用いた経験的評価は、推論精度、認知効率、ドメイン間の一般化において顕著で一貫した改善を示す。
論文 参考訳（メタデータ） (2025-05-20T17:59:16Z) - Agentic Knowledgeable Self-awareness [79.25908923383776]
KnowSelfはデータ中心のアプローチで、人間のような知識のある自己認識を持つエージェントを応用する。
我々の実験により、KnowSelfは、外部知識を最小限に使用して、様々なタスクやモデルにおいて、様々な強力なベースラインを達成できることが実証された。
論文 参考訳（メタデータ） (2025-04-04T16:03:38Z) - Toward enriched Cognitive Learning with XAI [44.99833362998488]
本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。
CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
論文 参考訳（メタデータ） (2023-12-19T16:13:47Z) - Modelling Assessment Rubrics through Bayesian Networks: a Pragmatic Approach [40.06500618820166]
本稿では,学習者モデルを直接評価ルーリックから導出する手法を提案する。
本稿では,コンピュータ思考のスキルをテストするために開発された活動の人的評価を自動化するために,この手法を適用する方法について述べる。
論文 参考訳（メタデータ） (2022-09-07T10:09:12Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。
この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。
決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
論文 参考訳（メタデータ） (2021-02-23T08:07:22Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z)
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。