論文の概要: AI-Enabled Serious Games: Integrating Intelligence and Adaptivity in Training Systems
- arxiv url: http://arxiv.org/abs/2605.21962v1
- Date: Thu, 21 May 2026 03:48:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.080524
- Title: AI-Enabled Serious Games: Integrating Intelligence and Adaptivity in Training Systems
- Title（参考訳）: AIで実現可能なシリアスゲーム:トレーニングシステムにおけるインテリジェンスと適応性の統合
- Authors: Priyamvada Tripathi, Bill Kapralos,
- Abstract要約: シリアスゲームは、医療、防衛、教育といった分野の学習や訓練に広く使われている。
人工知能(AI)の最近の進歩は、これらの制限に対処する新しい能力を導入している。
この章では、現代AIアプローチが真剣なゲームにおけるリアルタイムの教育適応をどのようにサポートするかを検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Serious games are widely used for learning and training across domains such as healthcare, defense, and education. Persistent challenges remain, however, including static scenario design, authoring bottlenecks, limited learner modeling, and difficulty implementing meaningful real-time instructional adaptation. Recent advances in artificial intelligence (AI) introduce novel capabilities such as dynamic scenario variation, contextual feedback, adaptive pacing, and learner-state modeling that may help address some of these limitations. At the same time, integrating AI into serious games raises important questions related to validity, transparency, system control, and learner trust. This chapter examines how contemporary AI approaches may support real-time instructional adaptation in serious games. It distinguishes between instructional intelligence, defined as a system's capacity to infer learner knowledge and reason about pedagogically appropriate responses, and adaptivity, defined as the ability to modify instructional actions during interaction. A historical synthesis of adaptive learning systems is presented, tracing developments from early computer-assisted instruction through intelligent tutoring systems (ITS), dynamic difficulty adjustment (DDA), authoring platforms, learning analytics, and recent AI-enabled architectures. Building on this perspective, the chapter discusses how large language models (LLMs), reinforcement learning (RL), and agent-based architectures may contribute to more integrated forms of intelligence and adaptivity in serious games. It also highlights practical and research challenges associated with AI-enabled systems, including explainability, validation, computational cost, and the limited empirical evidence regarding long-term learning outcomes in AI-enabled serious games.
- Abstract（参考訳）: シリアスゲームは、医療、防衛、教育といった分野の学習や訓練に広く使われている。
しかし、静的シナリオ設計、ボトルネックのオーサリング、学習者モデリングの制限、意味のあるリアルタイム教育適応の実装の難しさなど、永続的な課題が残っている。
人工知能(AI)の最近の進歩は、動的シナリオ変動、文脈フィードバック、適応的ペーシング、学習状態モデリングなど、これらの制限に対処するのに役立つ新しい機能を導入している。
同時に、AIを真剣なゲームに統合することは、妥当性、透明性、システム制御、学習者の信頼に関連する重要な疑問を提起する。
この章では、現代AIアプローチが真剣なゲームにおけるリアルタイムの教育適応をどのようにサポートするかを検討する。
学習者の知識を推論するシステムとしてのインストラクショナルインテリジェンスと、教育学的に適切な応答を推論するシステムとしてのアダプティビティと、相互作用中のインストラクショナルアクションを修正する能力としてのアダプティビティとを区別する。
適応学習システムの歴史的合成、知的チューリングシステム(ITS)、動的難易度調整(DDA)、オーサリングプラットフォーム、学習分析、そして最近のAI対応アーキテクチャによる初期のコンピュータ支援教育の発展をトレースする。
この観点から、この章では、大規模言語モデル(LLM)、強化学習(RL)、エージェントベースのアーキテクチャが、真剣なゲームにおいてより統合されたインテリジェンスと適応性にどのように貢献するかを論じている。
また、AI対応システムの説明可能性、検証、計算コスト、AI対応の真剣なゲームにおける長期的な学習結果に関する限定的な実証的証拠など、AI対応システムに関連する実践的および研究上の課題を強調している。
関連論文リスト
- Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science [79.50667364149979]
自律学習における現在のAIモデルの限界を批判的に検討し、人間と動物の認知に触発された学習アーキテクチャを提案する。
提案フレームワークは、内部的に生成されたメタ制御信号(システムM)の関数として、観察(システムA)からの学習と活動行動(システムB)からの学習を統合し、これらの学習モードを柔軟に切り替える。
論文 参考訳（メタデータ） (2026-03-16T14:54:56Z) - 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-Powered Math Tutoring: Platform for Personalized and Adaptive Education [0.0]
本稿では,適応的およびパーソナライズされたフィードバック,構造化コース生成,教科書知識検索を組み合わせた,新しいマルチエージェントAI学習プラットフォームを提案する。
このシステムにより、学生は新しいトピックを学習し、弱点を特定し、ターゲティングし、試験を効果的に修正し、無制限にパーソナライズされたエクササイズを実践することができる。
論文 参考訳（メタデータ） (2025-07-14T20:35:16Z) - 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) - Human-Centric eXplainable AI in Education [0.0]
本稿では,教育現場における人間中心型eXplainable AI(HCXAI)について検討する。
学習成果の向上、ユーザ間の信頼の向上、AI駆動ツールの透明性確保における役割を強調している。
ユーザ理解とエンゲージメントを優先するHCXAIシステムの開発のための包括的なフレームワークを概説する。
論文 参考訳（メタデータ） (2024-10-18T14:02:47Z) - Generative AI and Its Impact on Personalized Intelligent Tutoring Systems [0.0]
生成AIは、動的コンテンツ生成、リアルタイムフィードバック、適応学習経路を通じてパーソナライズされた教育を可能にする。
報告では、自動質問生成、カスタマイズされたフィードバック機構、対話システムなどの重要な応用について検討する。
今後の方向性は、マルチモーダルAI統合の潜在的な進歩、学習システムにおける感情的知性、そしてAI駆動型教育の倫理的意味を強調する。
論文 参考訳（メタデータ） (2024-10-14T16:01:01Z) - Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳（メタデータ） (2024-07-03T15:38:57Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳（メタデータ） (2023-11-13T21:20:17Z) - Neurosymbolic AI for Situated Language Understanding [13.249453757295083]
我々は,これらの学習課題に対する解法として,計算位置定位法が有効であると主張している。
我々のモデルは、古典的なAIの考えをニューロシンボリックインテリジェンス(英語版)の枠組みに再組み入れている。
我々は、さまざまなAI学習課題に対して、位置情報が多様なデータと複数のレベルのモデリングを提供する方法について論じる。
論文 参考訳（メタデータ） (2020-12-05T05:03:28Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。