論文の概要: Exploring Fraction Comprehension and Interest in Elementary Education Through AI-Powered Personalized Learning

• arxiv url: http://arxiv.org/abs/2608.04892v1
• Date: Wed, 05 Aug 2026 14:17:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.958106
• Title: Exploring Fraction Comprehension and Interest in Elementary Education Through AI-Powered Personalized Learning
• Title（参考訳）: AIを活用したパーソナライズドラーニングによる初等教育における分節理解と関心の探索
• Authors: Kenneth Holman,
• Abstract要約: この論文は、小学校の分数学習中にAIを活用したパーソナライズされた学習を調べる。 その結果,自動パーソナライゼーションは教師の指導的役割に取って代わるものではないことが示唆された。 この研究は、小学校数学における適応型AIシステムの能力と限界に関する継続的な議論に、教室ベースのエビデンスに貢献している。
• 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: Artificial intelligence systems that adapt instruction to individual learners are increasingly deployed in K-12 classrooms, yet empirical evidence on their effects in authentic elementary settings remains limited, particularly for students with mathematics learning difficulties. This dissertation examines AI-powered personalized learning during primary school fraction instruction, a domain that is foundational to later mathematics and STEM achievement. The first manuscript presents a systematic review of research on artificial intelligence in mathematics education published between 2020 and 2024. The second manuscript reports a quasi-experimental study evaluating Mathbot, a chatbot-based personalized learning platform, against business-as-usual classroom instruction. Repeated measures ANOVA was used to assess change in fraction comprehension and situational interest across time points. Results indicated modest improvements in fraction comprehension for students using Mathbot relative to traditional instruction, while changes in situational interest were not statistically significant. Findings suggest that automated personalization did not displace the instructional role of the teacher and that teacher decision-making remained central to student outcomes. The work contributes classroom-based evidence to ongoing discussion about the capabilities and limits of adaptive AI systems in elementary mathematics, and about accessibility and equity considerations when such systems are used with students with disabilities.
• Abstract（参考訳）: 個々の学習者に教育を適応させる人工知能システムは、K-12教室にますます導入されているが、真正な初等環境における教育効果に関する実証的な証拠は、特に数学学習困難を抱える学生には限られている。 この論文は、後続の数学とSTEMの達成の基礎となる、小学校の分数学習におけるAIを活用したパーソナライズドラーニングを考察する。 最初の写本は、2020年から2024年にかけて発行された数学教育における人工知能の研究の体系的なレビューである。 第2の原稿は、チャットボットベースのパーソナライズされた学習プラットフォームであるMathbotを、ビジネス・アズ・ユース・教室の授業に対して評価する準実験的な研究を報告している。 ANOVAは、時間点間の分数的理解と状況的関心の変化を評価するために、繰り返し実施された。 その結果,Mathbot を用いた学生の分画理解度は,従来の授業に比べて軽度に改善したが,状況的関心の変化は統計的に有意ではなかった。 自動パーソナライゼーションは教師の指導的役割に取って代わるものではないことが示唆され、教師の意思決定は学生の成果の中心に留まった。 この研究は、小学校数学における適応型AIシステムの能力と限界に関する継続的な議論や、障害のある学生にそのようなシステムが使用される際のアクセシビリティと公平性に関する議論に、教室ベースのエビデンスに貢献している。

関連論文リスト

• Robots and Children that Learn Together : Improving Knowledge Retention by Teaching Peer-Like Interactive Robots [41.94295877935867]
  本研究では,対話型強化学習(Interactive Reinforcement Learning)を,教示可能な社会ロボットの認知モデルとして紹介する。 LbT状態の小児は自己実践状態の児に比べて保持率が高くなった。 本研究は,(1)ピアロボット学習の教育的効果的でスケーラブルなモデルとしてインタラクティブRLを導入し,(2)実教室で複数の自律ロボットを同時に展開する可能性を示した。
  論文  参考訳（メタデータ） (2025-06-23T07:51:04Z)
• AI-Driven Virtual Teacher for Enhanced Educational Efficiency: Leveraging Large Pretrain Models for Autonomous Error Analysis and Correction [21.159378560503036]
  本稿では,学生用textbfErrors (VATE) を自律的に解析し,修正するための革新的 textbfVirtual textbfAI textbfTeacher システムを提案する。 このシステムは、小学校数学教育のためのSquirrel AI学習プラットフォーム上に展開され、78.3%の精度でエラー解析を行っている。
  論文  参考訳（メタデータ） (2024-09-14T10:27:36Z)
• Learning Beyond Pattern Matching? Assaying Mathematical Understanding in LLMs [58.09253149867228]
  本稿では,LLMのドメイン知識を,問題解決に必要な数学的スキルの理解を通じて評価する。 汎用科学アシスタントとしてLLMを用いることで, LLMの確率分布の変化を評価するためにtextitNTKEvalを提案する。 系統的な分析では、文脈内学習中にドメイン理解の証拠が見つかる。 ある命令チューニングは、異なるデータでのトレーニングに関係なく、同様のパフォーマンス変化をもたらし、異なるスキルに対するドメイン理解の欠如を示唆している。
  論文  参考訳（メタデータ） (2024-05-24T12:04:54Z)
• DUCK: Distance-based Unlearning via Centroid Kinematics [40.2428948628001]
  本研究は,Centroid Kinematics (DUCK) による遠隔学習(Distance-based Unlearning)と呼ばれる新しいアンラーニングアルゴリズムを導入する。 アルゴリズムの性能評価は、様々なベンチマークデータセットにまたがって行われる。 また,適応学習スコア (Adaptive Unlearning Score, AUS) と呼ばれる新しい指標を導入し, 対象データに対する未学習プロセスの有効性だけでなく, 元のモデルに対する性能損失の定量化も行った。
  論文  参考訳（メタデータ） (2023-12-04T17:10:25Z)
• A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
  我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。 大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
  論文  参考訳（メタデータ） (2022-12-20T18:46:16Z)
• End-to-End Evaluation of a Spoken Dialogue System for Learning Basic Mathematics [8.819665252533104]
  本研究は,幼児期における基本数学概念のプレイベース学習を支援するタスク指向音声対話システム(SDS)を提案する。 このシステムは、学生がマルチモーダルな相互作用を持つ初期の数学概念を実践している間に、実世界の学校展開を通じて評価されてきた。
  論文  参考訳（メタデータ） (2022-11-07T12:58:24Z)
• Identifying Critical LMS Features for Predicting At-risk Students [4.718094586237028]
  高等教育において学習管理システム(LMS)が不可欠になっている。 データログを用いてデータ分析を行い、学術的にリスクの高い学生を特定することでLMSをさらに活用する。
  論文  参考訳（メタデータ） (2022-04-27T22:43:45Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)
• Assessment Modeling: Fundamental Pre-training Tasks for Interactive Educational Systems [3.269851859258154]
  ラベルスカース問題を回避する一般的な方法は、学習項目の内容の表現を学習するためのモデルを事前学習することである。 本稿では,総合的な対話型教育システムのための基礎的事前学習課題のクラスであるアセスメント・モデリングを提案する。
  論文  参考訳（メタデータ） (2020-01-01T02:00:07Z)

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。