論文の概要: Generative artificial intelligence and the marginalization of minoritized knowledges in higher education: the case of disability
- arxiv url: http://arxiv.org/abs/2605.26769v1
- Date: Tue, 26 May 2026 09:39:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.794903
- Title: Generative artificial intelligence and the marginalization of minoritized knowledges in higher education: the case of disability
- Title（参考訳）: 創発的人工知能と高等教育におけるマイノリティ化知識の限界化--障害の場合
- Authors: Fatiha Tali-Otmani,
- Abstract要約: 生成的人工知能は、科学的知識が作り出され、検証される過程を再構築することで、高等教育を再定義する。
これらのシステムは中立的ではなく、非ヘゲモニックな認識論の限界化に積極的に貢献する。
- 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: Generative artificial intelligence redefines higher education by restructuring the processes through which scientific knowledge is produced and validated. These systems are not neutral; they actively contribute to the marginalization of non-hegemonic epistemologies. This research draws upon educational sciences, critical technology studies, and disability studies to demonstrate that training datasets, which remain predominantly Anglophone and Western-centric, reinforce epistemic coloniality. The situation of persons with disabilities provides a particularly clear illustration of this phenomenon. Technological architectures frequently confine these individuals to reductive stereotypes or exclude them from the design process, leading to a double marginalization. This article examines whether a hybridization between the researcher and the machine might preserve epistemic plurality, while acknowledging the structural limitations inherent in algorithmic correction when used as a purely palliative strategy.
- Abstract（参考訳）: 生成的人工知能は、科学的知識が作り出され、検証される過程を再構築することで、高等教育を再定義する。
これらのシステムは中立的ではなく、非ヘゲモニックな認識論の限界化に積極的に貢献する。
この研究は、教育科学、重要な技術研究、障害研究に基づいて、主に英語と西洋中心の訓練データセットが、疫学的な植民地性を強化していることを示す。
障害者の状況は、この現象を特にはっきりと示している。
技術アーキテクチャは、しばしばこれらの個人を還元的なステレオタイプに閉じ込めたり、設計プロセスから排除したりし、二重のマージン化に繋がる。
本稿では, 研究者と機械のハイブリッド化が, 純粋に緩和戦略として用いられる場合に, アルゴリズム補正に固有の構造的制約を認識しつつ, 複数のてんかんを保存できるかどうかを検討する。
関連論文リスト
- The Illusion of Competence: Self-Perceived Digital Literacy and AI Readiness Among European Secondary Students [35.18016233072556]
本研究では,自己認識型デジタルリテラシーと実際の技術準備のギャップについて検討する。
学生は、受動的デジタル消費における最大自己効力度を報告するが、アクティブな技術創造とアルゴリズム論理を評価すると、急激に低下する。
論文 参考訳（メタデータ） (2026-05-25T16:29:03Z) - A Brain-like Synergistic Core in LLMs Drives Behaviour and Learning [50.68188138112555]
大規模言語モデルが自然に相乗的コアを開発することを示す。
中層の領域は相乗的処理を示し, 初期層と後期層は冗長性に依存していることがわかった。
この収束は、シナジスティック情報処理が知性の基本的な性質であることを示している。
論文 参考訳（メタデータ） (2026-01-11T10:48:35Z) - A Theory of Information, Variation, and Artificial Intelligence [0.0]
実証研究の活発化は、生成AIの普及が情報、創造性、文化生産に顕著な均質化効果をもたらすことを示唆している。
本稿では、特殊領域内の知識を平らにする非常に均質化が、その知識をそれら全体で再結合可能な一貫したモジュールに同時にレンダリングする、と論じる。
この論文は、この緊張を解決するのに必要な認知的および制度的な足場を概説し、生成的AIがイノベーションの道具になるか、均質化されるかを決定する決定的な変数であると主張した。
論文 参考訳（メタデータ） (2025-08-20T16:21:13Z) - Tinkering Against Scaling [15.060264126253212]
既存の作業にインスパイアされた"チンケリング"アプローチを提案する。
この手法は、普通の研究者にとって管理可能なより小さなモデルやコンポーネントに関わります。
我々は、ティンカーは計算社会科学の創造と知識の方法であり、批判的な研究のための知識の方法であると主張している。
論文 参考訳（メタデータ） (2025-04-23T09:21:39Z) - To accept or not to accept? An IRT-TOE Framework to Understand Educators' Resistance to Generative AI in Higher Education [0.0]
本研究は,教育者が教室で生成人工知能を採用するのを防ぐ障壁を実証的に予測する理論モデルを開発することを目的とする。
我々のアプローチは、IRT(Innovation resistance Theory)フレームワークに基づいており、TOE(Technology-Organization-Environment)フレームワークの構成要素を拡張しています。
論文 参考訳（メタデータ） (2024-07-29T15:59:19Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - 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) - Learning Causal Mechanisms through Orthogonal Neural Networks [2.77390041716769]
歪みデータポイントから独立したメカニズムの集合の逆転を,教師なしの方法で学習する問題について検討する。
本研究では,ラベルのないデータから独立したメカニズムの集合を発見・解離する教師なしの手法を提案し,それらを逆転する方法を学習する。
論文 参考訳（メタデータ） (2023-06-05T13:11:33Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z)
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。