論文の概要: The Recovery Mechanism: Technology, Education, and What Happens When the Pattern Breaks
- arxiv url: http://arxiv.org/abs/2605.16283v1
- Date: Sun, 12 Apr 2026 05:42:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.853501
- Title: The Recovery Mechanism: Technology, Education, and What Happens When the Pattern Breaks
- Title（参考訳）: 回復メカニズム:技術、教育、そしてパターンが壊れたときに起こること
- Authors: Aysa X. Fan,
- Abstract要約: リスクは、AIが教師を置き換えるのではなく、理解が形になる生産的な闘争を置き換えることだ。
現状のアセスメントツールでは, 生産能力を持つ学生と失う学生とを区別することはできない。
究極的には、AIが開発するために作られた認知労働教育を実行することができれば、どんな教育になるべきかを尋ねる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For centuries, each new technology has automated some layer of cognitive work and been absorbed by education retreating upward to teach the skills machines could not yet reach. Generative AI may be the first technology to break that pattern, because it now operates at the top of the cognitive ladder, where education has always escaped to. The risk is not that AI replaces teachers but that it replaces the productive struggle through which understanding forms. Drawing on historical analysis, labor economics, and new large-scale data on how students and workers actually use AI, this essay surfaces a paradox: the same technology that augments today's skilled workforce may be quietly eroding the developmental process that produces tomorrow's. Current assessment tools cannot yet distinguish students who are building capacity from those who are losing it. The essay argues this is a measurement problem first and a design problem second, and proposes a research agenda focused on learning outcomes rather than usage patterns. Ultimately, it asks what education should become once AI can perform the cognitive work education was built to develop, and offers directions rather than a destination. Capacities like judgment, character, and epistemic identity have not been central to mainstream educational taxonomies, because earlier technologies did not require education to reach so high.
- Abstract（参考訳）: 何世紀にもわたって、新しいテクノロジーは認知作業のいくつかのレイヤーを自動化し、機械がまだ到達できないスキルを教えるために上向きに後退する教育によって吸収された。
ジェネレーティブAIは、そのパターンを破る最初の技術かもしれない。
リスクは、AIが教師を置き換えるのではなく、理解が形になる生産的な闘争を置き換えることだ。
このエッセイは、歴史的分析、労働経済学、そして学生や労働者が実際にAIをどのように使っているかについての新しい大規模データに基づいて、パラドックスを浮き彫りにしている。
現状のアセスメントツールでは, 生産能力を持つ学生と失う学生とを区別することはできない。
このエッセイは、これが第一に測定問題であり、第二に設計問題であり、使用パターンよりも学習結果に焦点を当てた研究課題を提案する。
究極的には、AIが開発するために構築された認知作業教育を実行し、目的地ではなく方向を提供することができれば、どのような教育を行うべきかを尋ねる。
判断、性格、疫学的なアイデンティティといった能力は、従来の技術では教育をそれほど高く到達させる必要が無かったため、主流の教育分類学の中心にはなっていない。
関連論文リスト
- Beyond Detection: Rethinking Education in the Age of AI-writing [58.49695743664001]
ChatGPTのようなジェネレーティブなAIツールが教室や職場、日々の思考に入るにつれ、書記は形式化されるリスクがある。
本論文は,認知心理学,教育理論,実教室の実践を基礎として,機械による文章作成時に失うものについて考察する。
論文 参考訳（メタデータ） (2026-03-26T11:16:01Z) - Vibe Learning: Education in the age of AI [0.0]
我々は、現在のAIシステムの根本的な原因は、既存の方法では解決できないと論じる。
我々は、AIツールに対する人間の知能の長期的な優位性を維持するために、教育を変革するための建設主義的パラダイムの方向性を提案する。
論文 参考訳（メタデータ） (2025-11-03T16:47:05Z) - Training for Obsolescence? The AI-Driven Education Trap [0.0]
我々は、AIを採用するという決定は、AIの将来の賃金抑制効果をこれらのスキルに内在させることができない、その教育生産性によってもたらされる教育プランナーをモデル化する。
我々の発見は、前向きな労働市場信号と組み合わせなければ、教育におけるAIを促進する政策が、学生の長期的資本をパラドックス的に損なう可能性があることを警告した。
論文 参考訳（メタデータ） (2025-08-27T07:04:19Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Qualitative and quantitative analysis of student's perceptions in the use of generative AI in educational environments [0.0]
教育における生成人工知能の効果的な統合は、将来の世代を準備するための基本的な側面である。
本研究の目的は,教室内における制御された学生とIAの相互作用の知覚を定量的かつ質的な視点から分析することである。
論文 参考訳（メタデータ） (2024-05-22T09:56:05Z) - ChatGPT in Classrooms: Transforming Challenges into Opportunities in Education [0.14732811715354452]
私たちはこの教育フロンティアの瀬戸際に立っており、多くの注意を払ってこの地形をナビゲートする必要があることは明らかです。
不適切に使用すると、AIツールはコピーペースト精神をカットするための完璧なツールになる。
この研究は、将来の研究者が自身のデータを適用し、運用するためのプロセスマニュアルとして使用される。
論文 参考訳（メタデータ） (2024-05-17T09:17:59Z) - Brief for the Canada House of Commons Study on the Implications of
Artificial Intelligence Technologies for the Canadian Labor Force: Generative
Artificial Intelligence Shatters Models of AI and Labor [1.0878040851638]
過去の技術と同様に、生成的AIは大量失業に繋がらないかもしれない。
生成AIは創造的で認知的で、潜在的にユビキタスである。
AIのフルセットの能力とアプリケーションが出現するにつれて、政策立案者は労働者のキャリア適応性を促進するべきである。
論文 参考訳（メタデータ） (2023-11-06T22:58:24Z) - Stabilizing Contrastive RL: Techniques for Robotic Goal Reaching from Offline Data [96.5899286619008]
自己指導型学習は、制御戦略を学ぶのに必要な人間のアノテーションとエンジニアリングの労力を減らす可能性がある。
我々の研究は、強化学習(RL)自体が自己監督的な問題であることを示す先行研究に基づいている。
コントラスト学習に基づく自己教師付きRLアルゴリズムは,実世界の画像に基づくロボット操作タスクを解くことができることを示す。
論文 参考訳（メタデータ） (2023-06-06T01:36:56Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - Knowledge as Invariance -- History and Perspectives of
Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。
研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。
このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文 参考訳（メタデータ） (2020-12-21T15:07:19Z)
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。