論文の概要: Beyond Information Retrieval: Generative AI as an Epistemic Arbiter to Enhance Collaborative Problem-Solving

• arxiv url: http://arxiv.org/abs/2608.05171v1
• Date: Thu, 25 Jun 2026 22:48:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.151601
• Title: Beyond Information Retrieval: Generative AI as an Epistemic Arbiter to Enhance Collaborative Problem-Solving
• Title（参考訳）: 情報検索を超えて: 協調的問題解決を促進するためのエピステマとしてのジェネレーティブAI
• Abstract要約: ジェネレーティブAI(GAI)は協調問題解決(CPS)のための新たな機会を創出する 5年生201名を対象に,GAIの有無と欠席の有無の2つの条件で準実験を行った。 コントロールグループと比較して、GAIが支援するグループはより社会的行動、特にエンゲージメントとコンフリクトマネージメントを示したが、タスク計画やソリューション推論のような認知行動はそれほど多くなかった。
• 参考スコア（独自算出の注目度）: 2.584010602514161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI (GAI) creates new opportunities for collaborative problem-solving (CPS), yet its role in shaping student interaction remains unclear. To address this gap, we conducted a six-week quasi-experimental study with 201 fifth-grade students in two conditions: with and without GAI. Chi-square analysis showed significant differences in CPS behavior distributions between groups. Compared with the control group, the GAI-supported group demonstrated more social behaviors, particularly engagement and conflict management, but less frequent cognitive behaviors such as task planning and solution reasoning. Lag sequential analysis further revealed distinct interaction patterns: while the control group followed a more conventional transition from listening to planning, the GAI group showed a robust pathway from task planning to conflict management to solution reasoning. Thematic analysis of AI interaction logs suggested that students used GAI as an epistemic arbiter, drawing on AI-generated facts and visualizations to resolve disagreements constructively. These findings suggest that GAI reshapes CPS by mediating the transition from social conflict to collaborative reasoning.
• Abstract（参考訳）: ジェネレーティブAI(GAI)は、協調問題解決(CPS)のための新たな機会を生み出すが、学生の相互作用の形成におけるその役割は未だ不明である。 このギャップに対処するため,5年生201名を対象に,GAIの有無と欠席の有無の2つの条件で6週間の準実験を行った。 チ二乗分析では群間でのCPSの挙動分布に有意な差が認められた。 コントロールグループと比較して、GAIが支援するグループはより社会的行動、特にエンゲージメントとコンフリクトマネージメントを示したが、タスク計画やソリューション推論のような認知行動はそれほど多くなかった。 GAIグループは、タスクプランニングからコンフリクト管理からソリューション推論へ、堅牢な経路を示した。 AIインタラクションログの理論的分析は、学生がAI生成事実と可視化に基づいて、相違を建設的に解決するために、GAIをてんかん用具として使用していたことを示唆している。 これらの結果から,GAIは社会的対立から協調的推論への転換を媒介し,CPSに反感を抱いていることが示唆された。

関連論文リスト

• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• GroupRAG: Cognitively Inspired Group-Aware Retrieval and Reasoning via Knowledge-Driven Problem Structuring [7.25259922507076]
  GroupRAGは、知識駆動型キーポイントグループに基づく、認知にインスパイアされたグループ認識検索および推論フレームワークである。 GroupRAGは問題内の潜在構造群を特定し、複数の概念的出発点からの検索と推論を行う。
  論文  参考訳（メタデータ） (2026-03-26T11:48:40Z)
• Unpacking Interaction Profiles and Strategies in Human-AI Collaborative Problem Solving: A Cognitive Distribution and Regulation Perspective [17.879329691577684]
  本研究は,人間とAIのコラボレーションのパターンとダイナミクスを調べるために,分散認知と学習視点の制御を統合的に導入する。 Delegated Reasoning(DR)、Jointed Interpretation(CI)、Delegated Elaboration(DE)の3つの異なる協調的問題解決モードが同定された。
  論文  参考訳（メタデータ） (2026-03-22T15:21:55Z)
• Test-Time Learning of Causal Structure from Interventional Data [50.06913286558919]
  共同因果推論を用いたテスト時間トレーニングを併用する新しい手法であるTICL(Test-Time Interventional Causal Learning)を提案する。 具体的には、テスト時にインスタンス固有のトレーニングデータを生成するための自己拡張戦略を設計し、分散シフトを効果的に回避する。 共同因果推論を統合することで,PCにインスパイアされた2相教師付き学習手法を開発し,理論的識別性を確保しつつ,自己拡張学習データを有効に活用した。
  論文  参考訳（メタデータ） (2026-02-22T11:23:05Z)
• TOPSIS-like metaheuristic for LABS problem [70.49434432747293]
  最良解に従う戦略と最悪の解を避ける戦略を統合する社会認知突然変異機構を導入する。 探索エージェントにハイパフォーマンスなソリューションを模倣し、貧弱なソリューションを避けるよう誘導することにより、これらの演算子は解の多様性と収束効率の両方を高める。
  論文  参考訳（メタデータ） (2025-11-08T00:47:37Z)
• When Disagreements Elicit Robustness: Investigating Self-Repair Capabilities under LLM Multi-Agent Disagreements [56.29265568399648]
  我々は、不一致が早期のコンセンサスを防ぎ、探索されたソリューション空間を拡張することを主張する。 タスククリティカルなステップの相違は、ソリューションパスのトポロジによってコラボレーションを損なう可能性がある。
  論文  参考訳（メタデータ） (2025-02-21T02:24:43Z)
• Group-Aware Coordination Graph for Multi-Agent Reinforcement Learning [19.386588137176933]
  GACG(Group-Aware Coordination Graph)は、エージェントペア間の協調を現在の観測結果に基づいて捉えるように設計されている。 GACGは、意思決定中にエージェント間の情報交換のためのグラフ畳み込みにも使われる。 本稿では,StarCraft IIマイクロマネジメントタスクによるGACGの性能評価を行った。
  論文  参考訳（メタデータ） (2024-04-17T01:17:10Z)
• AGRO: Adversarial Discovery of Error-prone groups for Robust Optimization [109.91265884632239]
  群分散ロバスト最適化(G-DRO)は、トレーニングデータに対する事前定義されたグループのセットに対する最悪の損失を最小限にすることができる。 本稿では、分散ロバスト最適化のためのAGRO -- Adversarial Group Discoveryを提案する。 AGROは、既知の最悪のグループの平均モデルパフォーマンスを8%向上させる。
  論文  参考訳（メタデータ） (2022-12-02T00:57:03Z)

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。