Fugu-MT 論文翻訳(概要): Distinguishing performance gains from learning when using generative AI

論文の概要: Distinguishing performance gains from learning when using generative AI

arxiv url: http://arxiv.org/abs/2605.13731v1
Date: Wed, 13 May 2026 16:11:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-14 23:30:28.168522
Title: Distinguishing performance gains from learning when using generative AI
Title（参考訳）: 生成AIを用いた学習による性能向上
Authors: Lixiang Yan, Samuel Greiff, Jason M. Lodge, Dragan Gašević,
Abstract要約: 生成的人工知能(AI)は、学習者のパフォーマンスを高めることができる教育に統合されつつある。これらの使用は、高品質な学習に必要な深い認知的・メタ認知的処理を促進するものではない。
参考スコア（独自算出の注目度）: 2.7394818853439866
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generative artificial intelligence (AI) is increasingly being integrated into education, where it can boost learners' performance. However, these uses do not promote the deep cognitive and metacognitive processing that are required for high-quality learning.
Abstract（参考訳）: 生成的人工知能(AI)は、学習者のパフォーマンスを高めることができる教育に統合されつつある。しかし、これらの用途は、高品質な学習に必要な深い認知的・メタ認知的処理を促進するものではない。

関連論文リスト

Perceived Importance of Cognitive Skills Among Computing Students in the Era of AI [2.0391237204597363]
生成型AIツールの可用性と統合性の向上は、コンピューティング教育を変革させた。教育におけるAIは機会を提供する一方で、これらの強力なノウ・イ・オールなAIツールが、学生の認知スキル開発にどのように影響するか、という新たな懸念を提起する。
論文参考訳（メタデータ） (2026-04-12T17:05:26Z)
From Co-Design to Metacognitive Laziness: Evaluating Generative AI in Vocational Education [0.0]
本研究では,シンガポールの職業教育環境における講師を支援するために考案された,生成型AI概念実証(POC)の開発と展開について検討する。 POCは,授業内容の合理化,認知負荷の低減,授業内容のナビゲートに対する生徒の信頼感の向上を報告した。教育プロセスの強化にもかかわらず、成績データは学生全体の評価結果に有意な改善は示さなかった。この研究は、依存関係の最小化、メタ認知開発、さまざまな能力レベルにおけるサポートの校正のためにAIツールをどのように構築できるかという、一連の設計上の疑問を提起している。
論文参考訳（メタデータ） (2025-12-13T12:26:25Z)
Future-Proofing Programmers: Optimal Knowledge Tracing for AI-Assisted Personalized Education [17.137781747517522]
CoTutorは、学生の進捗モデリングを改善するために信号処理技術を用いてベイズ知識追跡を強化するAI駆動モデルである。大学試験では、従来の教育ツールを上回りながら、学習成果の計測可能な改善を実証している。我々の結果は、AIによるパーソナライゼーション、スケーラビリティ、そして教育技術におけるプライバシーと倫理的考慮を前進させる将来の機会の可能性を強調します。
論文参考訳（メタデータ） (2025-09-28T17:40:39Z)
Synergizing Self-Regulation and Artificial-Intelligence Literacy Towards Future Human-AI Integrative Learning [92.34299949916134]
自己制御学習(SRL)と人工知能(AI)リテラシーは、人間とAIの対話学習を成功させる上で重要な能力となっている。本研究では,4つの学習グループを明らかにするクラスタリング手法を用いて,1,704人の中国人大学生のデータを分析した。
論文参考訳（メタデータ） (2025-03-31T13:41:21Z)
Beware of Metacognitive Laziness: Effects of Generative Artificial Intelligence on Learning Motivation, Processes, and Performance [15.064064880549232]
ハイブリッドインテリジェンスの概念はまだ初期段階にある。学習者が様々なエージェントとの共生関係からどのような恩恵を受けるかは、いまだ不明である。 ChatGPTは、学習者の技術への依存を促進し、メタ認知遅延を引き起こす可能性がある。
論文参考訳（メタデータ） (2024-12-12T14:32:39Z)
Towards Automated Knowledge Integration From Human-Interpretable Representations [55.2480439325792]
我々は,情報メタ学習の原理を理論的に導入・動機付けし,自動的かつ制御可能な帰納バイアス選択を可能にする。データ効率と一般化を改善するための情報メタラーニングのメリットと限界を実証的に示す。
論文参考訳（メタデータ） (2024-02-25T15:08:37Z)
Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。 PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文参考訳（メタデータ） (2022-11-27T13:07:14Z)
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)
The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence [0.0]
私はAIに対するハイブリッドで知識駆動型の推論ベースのアプローチを提案します。これにより、現在可能な以上の、よりリッチで堅牢なAIの基盤を提供することができる。
論文参考訳（メタデータ） (2020-02-14T18:55:56Z)

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。