論文の概要: Toward a Metaphysics of Learning Analytics: Ontological Positioning of Data, Inference, and Normativity
- arxiv url: http://arxiv.org/abs/2606.06851v1
- Date: Fri, 05 Jun 2026 02:51:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-08 14:33:29.532252
- Title: Toward a Metaphysics of Learning Analytics: Ontological Positioning of Data, Inference, and Normativity
- Title（参考訳）: 学習分析のメタ物理に向けて:データのオントロジー的位置決め、推論、ノルマティビティ
- Authors: Kensuke Takii,
- Abstract要約: 「我々は、LAとは何かというオントロジ的な疑問に対処して、LAのメタ物理を確立しようと試みる。」
私たちは、LA自身の定義と原則を遡って、LA自体から回答を導きます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Learning Analytics (LA) community has undergone rapid development over the 15 years since the first LAK conference was held. However, while epistemological and ethical debates regarding the philosophical foundations of LA have been vigorous, metaphysical discussions have been sparse, signifying a lack of effort to derive the identity of LA from its internal principles. In this paper, we attempt to establish a metaphysics of LA by addressing the ontological question of ``What is LA?'' We do so by tracing back to LA's own definitions and principles to derive an answer from within LA itself. Specifically, we address what kind of existence the data LA operates on constitutes, identify eight agents including learners as ontological prerequisites, and clarify, via the is/ought problem, that LA does not derive norms from data. In particular, this system reveals that a class of LA practices, here termed \textit{norm-embedded LA}, conflates LA's purpose with its operations, creating an ontological tension with the first principle. We also discuss connections with related fields and the limitations of this system. The metaphysics outlined here is not imposed from outside LA, but surfaces what LA itself has always implicitly presupposed.
- Abstract（参考訳）: Learning Analytics(LA)コミュニティは、最初のLAKカンファレンスが開催されてから15年間、急速に発展してきた。
しかし、LAの哲学的基礎に関する認識学的・倫理的な議論は活発に行われてきたが、メタ物理的な議論はまばらであり、LAのアイデンティティをその内部原理から導き出す努力の欠如を示している。
本稿では,LAの「LAとは何か?」という存在論的問題に対処して,LAのメタ物理を確立させようとする。
具体的には,学習者を含む8人のエージェントをオントロジ的前提条件として識別し,Is/ought問題を通じて,LAがデータから規範を導出していないことを明らかにする。
特に、このシステムはLAの実践のクラスである「textit{norm-embedded LA}」が、LAの目的をその運用と混同し、第一原理と存在論的緊張を生み出すことを明らかにしている。
また、関連分野との接続やシステムの制限についても論じる。
ここで概説されたメタ物理は、外部から課せられるものではなく、LA自身が常に暗黙的に仮定しているものである。
関連論文リスト
- Toward Trait-Aware Learning Analytics [2.6998665629152536]
我々は,学習者特性に着目した学習分析(LA)のフレームの拡大を,実験の解釈と設計の両立の鍵として論じる。
パーソナリティの特徴は,LAの中枢的な成果と関係し,行動に寄与することが示唆された。
LAは, 特徴を予測的特徴としてだけでなく, 設計資源として, 分析効率のモデレーターとして扱うことにより, 進化できることを示す。
論文 参考訳（メタデータ） (2026-01-16T01:17:27Z) - Defining the Scope of Learning Analytics: An Axiomatic Approach for Analytic Practice and Measurable Learning Phenomena [0.0]
学習分析(LA)は、実用および技術革新を通じて急速に拡大してきた。
本稿では,LAの基本構造,範囲,限界を正式に定義する最初の公理理論を提案する。
論文 参考訳（メタデータ） (2025-12-10T21:07:19Z) - Are Language Models Consequentialist or Deontological Moral Reasoners? [75.6788742799773]
我々は、大規模言語モデル(LLM)が提供する道徳的推論トレースの大規模分析に焦点をあてる。
我々は,2つの主要な規範的倫理理論,つまり連続主義と非オントロジーを体系的に分類するために,道徳的論理学の分類を導入し,検証する。
論文 参考訳（メタデータ） (2025-05-27T17:51:18Z) - Exploring Consciousness in LLMs: A Systematic Survey of Theories, Implementations, and Frontier Risks [46.93509559847712]
意識は人間の心の最も深い特徴の1つである。
大規模言語モデル(LLM)が前例のないペースで発展するにつれ、知性と意識に関する疑問がますます重要になっている。
論文 参考訳（メタデータ） (2025-05-26T10:40:52Z) - Logic Augmented Generation [1.534667887016089]
大きな言語モデル(LLM)はこれらの制限を克服し、オープンなタスクや非構造化環境に適している。
両世界の利点を組み合わせた論理拡張生成(LAG)を構想する。
LAGを総合的な知性、すなわち医療診断と気候予測の2つのタスクで実証する。
論文 参考訳（メタデータ） (2024-11-21T10:54:35Z) - Language Agents Meet Causality -- Bridging LLMs and Causal World Models [50.79984529172807]
因果表現学習を大規模言語モデルと統合する枠組みを提案する。
このフレームワークは、自然言語表現に関連付けられた因果変数を持つ因果世界モデルを学ぶ。
本研究では,時間的スケールと環境の複雑さを考慮した因果推論と計画課題の枠組みを評価する。
論文 参考訳（メタデータ） (2024-10-25T18:36:37Z) - A Note On Lookahead In Real Life And Computing [0.0]
Look-Ahead(LA)は、将来の情報予測と入力の処理を処理し、事前に出力を生成する。
本稿では,LAの概念を学習し,理解し,探求することを目的とする。
本稿では,LAがプロセス,システム,アルゴリズムの効率化に重要な役割を果たしている,興味深い実生活アプリケーションとよく知られた計算問題を紹介する。
論文 参考訳（メタデータ） (2024-02-02T06:17:49Z) - BOLAA: Benchmarking and Orchestrating LLM-augmented Autonomous Agents [103.28404907655542]
大規模言語モデル(LLM)は、自律エージェント(LAA)の新たな探索に繋がった。
本稿では,エージェントアーキテクチャとLLMバックボーンの両方の観点から,LAAの包括的な比較を行う。
我々は、複数のLAAを編成する新しい戦略を提案し、各LAAは、複数のエージェント間の通信を管理する制御器であるテキストティティ(textiti.e. BOLAA)に焦点をあてる。
論文 参考訳（メタデータ） (2023-08-11T06:37:54Z) - Laplace Redux -- Effortless Bayesian Deep Learning [79.70292248127467]
ラプラス近似は変分ベイズやディープアンサンブルのような代替法ほど人気がないことを示す。
PyTorch用の使いやすいソフトウェアライブラリである"Laplace"を紹介します。
実験を通して、LAは計算コストの点で優れているが、性能の面ではより一般的な代替品と競合することを示した。
論文 参考訳（メタデータ） (2021-06-28T15:30:40Z)
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。