論文の概要: AI as a Partner in Learning about, Doing, and Engaging with Science: Vigilance as the Key to Productive Augmentation

• arxiv url: http://arxiv.org/abs/2606.16822v1
• Date: Mon, 15 Jun 2026 15:06:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.65509
• Title: AI as a Partner in Learning about, Doing, and Engaging with Science: Vigilance as the Key to Productive Augmentation
• Title（参考訳）: 科学を学び、実践し、前進するパートナーとしてのAI: 生産性向上の鍵としてのビジャランス
• Authors: Marcus Kubsch,
• Abstract要約: 科学教育ではすでに警戒が呼びかけられているが、AIのケースでは特定されていない。 統合された概念知識指導は、深層処理のみで形を育むことを目的としている。 不均一に配布されているため、AIの統合は、より良い準備が整った学生と低い学生のギャップを広げる可能性が高い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI has become a partner in how people learn about, do, and engage with science, and the partnership takes three forms: a scientist works with a co-scientist whose output must be checked; a member of the public looks something up to decide whether a diet works or whether to fit solar panels; and a student takes up an inquiry with AI in a science class. Across all three, one thing decides whether the partnership helps or harms: whether the human evaluates what the AI returns or takes it on trust. I argue that this evaluation -- epistemic vigilance calibrated to how far a fallible source can be trusted -- is, given adequate prior knowledge, the binding constraint on productive augmentation. You can hand the AI a great deal precisely because you stay vigilant; vigilance makes generative partnership safe, so it licenses augmentation rather than restricting it. Vigilance is already invoked in science education but under-specified for the AI case; I specify its components, the mechanism tying it to learning, and a way to measure it without soliciting the evaluation it is meant to detect. What is distinctive is that the machine's fluent, confident prose reads as trustworthy whether or not it is, so its surface works against the human evaluating it. The argument bears hardest on education: the integrated conceptual knowledge instruction aims to foster forms only under deep processing, and vigilance sets how deeply a claim is processed, so it is the precondition for learning with AI. The design factors the field reports matter through whether they engage the learner's evaluation; none works around it. Untested is vigilance as a measured disposition, above all where the AI is confidently wrong. Because it is unevenly distributed, integrating AI uniformly is likely to widen the gap between better- and less-prepared students. I close on how it might be built by fading support as the learner takes over.
• Abstract（参考訳）: AIは、人々が科学について学び、実践し、関与する方法のパートナーとなり、このパートナーシップには3つの形態がある。科学者は、アウトプットをチェックする必要がある共同科学者と仕事をする。 これら3つ全体で、このパートナーシップが役に立つか害があるかを決めるのは、人間がAIが返すものを評価するか、信頼を得るかだ。 この評価は、適切な事前知識を前提として、生産的増産に対する拘束力の制約がある、と私は論じます。 警戒は、生成的なパートナーシップを安全にするので、それを制限するのではなく、拡張をライセンスする。 私は、そのコンポーネント、それを学習に結び付けるメカニズム、そして、検出しようとする評価を必要とせずにそれを測定する方法を指定します。 特徴は、この機械の流動的で自信ある散文は、それが正しいかどうかに関わらず信頼できると読み取るので、その表面は人間に対して機能するということです。 統合された概念知識指導は、深い処理の下でのみフォームを育むことを目的としており、警戒はクレームがどれだけ深く処理されているかを設定するため、AIで学ぶための前提条件である。 設計要因は、学習者の評価に携わるかどうかによって、フィールドが重要なことを報告する。 証明されていないのは、AIが確実に間違っているすべての点において、測定された配置としての警戒である。 不均一に配布されているため、AIの統合は、より良い準備が整った学生と低い学生のギャップを広げる可能性が高い。 学習者が引き継ぐにつれて、サポートが薄れていくことによって、どのように構築されるのか、詳しく説明します。

関連論文リスト

• Can AI Chatbots Provide Coaching in Engineering? Beyond Information Processing Toward Mastery [1.4837859618020621]
  エンジニアリング教育は、二重の破壊に直面している。判断と暗黙のスキルを養う伝統的な見習いモデルは、非公式のコーチングパートナーとして生成AIが出現するのと同じように、浸食している。 この収束は、AIの哲学と計算の限界、具体的合理性の性質、情報処理と知恵の区別に関する認知に関する長年の疑問を再燃させる。 我々は、専門知識、暗黙の知識、人間と機械の相互作用に関する何十年もの奨学金から批判的な視点を合成し、現代のAI駆動教育の文脈にそれらを置く。 本稿では,ループモデルに人間の知恵を組み込んだマルチプレックスコーチングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-07T08:28:47Z)
• Bridging Minds and Machines: Toward an Integration of AI and Cognitive Science [48.38628297686686]
  認知科学は人工知能(AI)、哲学、心理学、神経科学、言語学、文化などの分野を深く形成している。 AIの多くのブレークスルーは、そのルーツを認知理論にさかのぼる一方で、AI自体が認知研究を進めるのに欠かせないツールになっている。 我々は、認知科学におけるAIの未来は、性能の向上だけでなく、人間の心の理解を深めるシステムの構築にも関係していると主張している。
  論文  参考訳（メタデータ） (2025-08-28T11:26:17Z)
• What Does 'Human-Centred AI' Mean? [0.0]
  AIは、テクノロジーと人間との関係として有用である。 あらゆるAIは人間の認知に関係している。 AIをフェティシシーから脱却するためには、目の中の人間の目を見る必要がある。
  論文  参考訳（メタデータ） (2025-07-26T14:18:52Z)
• 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 Bias in the Face of AI: Examining Human Judgment Against Text Labeled as AI Generated [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• Bootstrapping Developmental AIs: From Simple Competences to Intelligent Human-Compatible AIs [0.0]
  主流のAIアプローチは、大きな言語モデル(LLM)による生成的および深層学習アプローチと、手動で構築されたシンボリックアプローチである。 このポジションペーパーでは、開発AIの実践を拡張して、レジリエンスでインテリジェントで、人間と互換性のあるAIを作り出すための、展望、ギャップ、課題を概説する。
  論文  参考訳（メタデータ） (2023-08-08T21:14:21Z)
• Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
  Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。 これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
  論文  参考訳（メタデータ） (2022-01-26T18:53:09Z)
• Trustworthy AI: A Computational Perspective [54.80482955088197]
  我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。 各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
  論文  参考訳（メタデータ） (2021-07-12T14:21:46Z)
• Formalizing Trust in Artificial Intelligence: Prerequisites, Causes and Goals of Human Trust in AI [55.4046755826066]
  我々は、社会学の対人信頼(すなわち、人間の信頼)に着想を得た信頼のモデルについて議論する。 ユーザとAIの間の信頼は、暗黙的あるいは明示的な契約が保持する信頼である。 我々は、信頼できるAIの設計方法、信頼が浮かび上がったかどうか、保証されているかどうかを評価する方法について論じる。
  論文  参考訳（メタデータ） (2020-10-15T03:07:23Z)

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。