論文の概要: Detective scaffolding for within-session reasoning development: a three-phase framework evaluated in polymer engineering and pre-university outreach

• arxiv url: http://arxiv.org/abs/2606.07279v1
• Date: Fri, 05 Jun 2026 13:55:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.762334
• Title: Detective scaffolding for within-session reasoning development: a three-phase framework evaluated in polymer engineering and pre-university outreach
• Title（参考訳）: セッション内推論のための検出的足場構築--高分子工学と大学前のアウトリーチで評価された3段階フレームワーク
• Authors: Haolin Feng, Holly Barrett, Xinru Deng, Dimitrios G Papageorgiou, Yiwei Sun,
• Abstract要約: 本稿では,工学系学生が現実的な工業的欠陥シナリオを調査するファスチャリングフレームワークを提案する。 従来の学生反応システムによるエンゲージメントとは異なり、このフレームワークは各投票をエビデンス・セントレッド・デザインの道具として位置づけている。 80年間, 高分子工学の学生は, 事前知識による誤解から根起因の完全収束へと進んだ。
• 参考スコア（独自算出の注目度）: 1.4342161738164032
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a detective scaffolding framework -- a three-phase instructional sequence (Hypothesis Activation -> Evidence Structuring -> Causal Integration) in which engineering students investigate a realistic industrial defect scenario using staged in-class polls as designed evidence probes. Unlike conventional uses of student response systems for engagement, the framework positions each poll as an Evidence-Centred Design instrument targeting a specific reasoning capability. In the primary implementation, 80 Year~3 polymer engineering students progressed from prior-knowledge-driven misconception (71% attributing defects to temperature) to complete root-cause convergence (100\% identifying humidity; Fisher's exact test, $p < .001$) across four sequenced prompts within a single 90-minute lecture slot. A dual-accuracy analysis revealed that at one intermediate stage, textbook-correct and analytically valid responses diverged, illustrating why conventional scoring can misrepresent reasoning quality. In a transferability study, 26 Year~12 students with no engineering background achieved identical root-cause identification rates across two adapted scenarios, with significant gains in data-analysis confidence and AI explanation ability. The results suggest that the pedagogical structure, rather than disciplinary content, drives the convergence effect, implying portability across disciplines and educational levels.
• Abstract（参考訳）: 本稿では,3段階の授業シーケンス(Hypothesis Activation -> Evidence Structuring -> Causal Integration)において,工学生が実業界における現実的な欠陥シナリオを,段階的なインクラスポーリングを用いて調査する手法を提案する。 従来の学生反応システムによるエンゲージメントとは違って、このフレームワークは、各投票を特定の推論能力をターゲットにしたエビデンス・セントレッド・デザイン・インスツルメンツとして位置づけている。 初期実装では、80年～3年のポリマー工学の学生が、90分間の講義スロット内で4つのシーケンシャルなプロンプトにまたがる根起因の収束(100\%の湿度を識別する)を完了するために、事前知識による誤解(71%の温度への欠陥に起因する)から進歩した。 両精度解析の結果, 教科書の正解性, 解析的妥当性が変化し, 従来のスコアリングが推論品質を誤って表現できる理由が示唆された。 トランスファービリティスタディでは、エンジニアリングのバックグラウンドを持たない26歳から12歳の学生が、2つの適応されたシナリオで同じ根本原因の識別率を達成し、データ分析の信頼性とAI説明能力が大幅に向上した。 その結果、学際的な内容ではなく、教育的な構造が収束効果を誘導し、規律や教育レベルの可搬性を示唆していることが示唆された。

関連論文リスト

• CausalReasoningBenchmark: A Real-World Benchmark for Disentangled Evaluation of Causal Identification and Estimation [18.187891198793455]
  CausalReasoningBenchmarkは、128の現実世界のデータセットにわたる173のクエリのベンチマークである。 因果推論における失敗と数値実行における誤りを区別する。
  論文  参考訳（メタデータ） (2026-02-24T05:44:25Z)
• Dynamics Within Latent Chain-of-Thought: An Empirical Study of Causal Structure [58.89643769707751]
  表現空間における潜在連鎖を操作可能な因果過程として研究する。 遅延ステップの予算は、均質な余分な深さよりも、非局所的なルーティングを備えたステージ機能のように振る舞う。 これらの結果は、モード条件と安定性を意識した分析を、潜伏推論システムの解釈と改善のための信頼性の高いツールとして動機付けている。
  論文  参考訳（メタデータ） (2026-02-09T15:25:12Z)
• Can Consumer Chatbots Reason? A Student-Led Field Experiment Embedded in an "AI-for-All" Undergraduate Course [0.7515394929245942]
  本稿では,ジョージ・メイソン大学のUNIV 182(AI4All)の中間プロジェクトとして,学生主導のフィールド実験を行った。 学生は、独自の推論タスクを設計し、現在使われている消費者チャットボット上で実行し、(i)回答の正しさと(ii)推論の有効性を評価した。 OpenAI GPT-5 と Claude 4.5 は最高平均解答精度 (86.2% と 83.8%) を獲得し、Grok 4 (82.5%) と Perplexity (73.1%) が続いた。
  論文  参考訳（メタデータ） (2025-12-28T22:51:25Z)
• Understanding Catastrophic Interference: On the Identifibility of Latent Representations [67.05452287233122]
  破滅的な干渉、あるいは破滅的な忘れ(Caastrophic forgetting)は、機械学習の根本的な課題である。 本稿では,破滅的干渉を識別問題として定式化する新しい理論枠組みを提案する。 我々のアプローチは、合成データセットとベンチマークデータセットの両方で理論的保証と実用的なパフォーマンスの改善を提供する。
  論文  参考訳（メタデータ） (2025-09-27T00:53:32Z)
• Beyond classical and contemporary models: a transformative AI framework for student dropout prediction in distance learning using RAG, Prompt engineering, and Cross-modal fusion [0.4369550829556578]
  本稿では、ドロップアウト予測を再定義する変換型AIフレームワークを提案する。 フレームワークの精度は89%、F1スコアは0.88で、従来のモデルよりも7%、偽陰性は21%向上している。
  論文  参考訳（メタデータ） (2025-07-04T21:41:43Z)
• Learning to Focus: Causal Attention Distillation via Gradient-Guided Token Pruning [62.23671919314693]
  大規模言語モデル (LLM) は文脈理解において著しく改善されている。 しかし、長いコンテキストの推論と生成の間に真に重要な情報に出席する能力は、まだペースの遅れています。 本稿では,2段階のフレームワークであるLearning to Focus(LeaF)を導入し,コンバウンディング要因を緩和する。
  論文  参考訳（メタデータ） (2025-06-09T15:16:39Z)
• Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
  本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。 因果効果は肯定的か否定的か? 本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
  論文  参考訳（メタデータ） (2025-05-30T07:13:01Z)
• How do Transformers Learn Implicit Reasoning? [67.02072851088637]
  制御されたシンボリック環境下でトランスフォーマーをスクラッチからトレーニングすることで、暗黙のマルチホップ推論がどのように現れるかを研究する。 原子三重項によるトレーニングは必要ではなく学習を加速し,第2ホップの一般化は特定の構成構造へのクエリレベル露出に依存する。
  論文  参考訳（メタデータ） (2025-05-29T17:02:49Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)

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。