論文の概要: AI-Generated Interactive Fiction for Educational Use: A Pilot Study of Perceived Comprehensibility, Coherence, and Engagement
- arxiv url: http://arxiv.org/abs/2608.10818v1
- Date: Tue, 11 Aug 2026 11:41:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:46.030963
- Title: AI-Generated Interactive Fiction for Educational Use: A Pilot Study of Perceived Comprehensibility, Coherence, and Engagement
- Title（参考訳）: 教育用AI生成インタラクティブフィクション : 理解度・一貫性・エンゲージメントのパイロット研究
- Abstract要約: 本稿では、高等教育におけるAI生成インタラクティブフィクション(IF)のパイロットユーザー中心評価について述べる。
シナリオの制御されたプールを生成し、参加者に1つの生成されたエピソードをプレイし、物語の明瞭さ、ストーリー・コンテントの一貫性、エンゲージメント、長さの受け入れに基づいて評価するように求めた。
- 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: Generative artificial intelligence (AI) can produce educational content at scale, including interactive and narrative learning experiences, but technical generation alone is not sufficient: scenarios that are confusing, narratively inconsistent, or unengaging are unlikely to be useful in practice. This paper presents a pilot user-centred evaluation of AI-generated interactive fiction (IF) for educational use in higher education. Using a previously described domain-agnostic pipeline and a shared STEM content base, we generated a controlled pool of scenarios and asked participants (N = 22, STEM higher-education) to play one generated episode and rate it on narrative clarity, story-content coherence, engagement, and length acceptance. A free-text prompt captured open feedback. Narrative clarity and length acceptance were rated positively, engagement sat near the neutral mid-point of the scale, and story-content coherence was the weakest dimension by a clear margin. Qualitative feedback points to quiz integration as the bottleneck. Artificial in-fiction motivation for quiz prompts and abrupt setting changes were reported. Feedback also pointed to missing story-level consequences for wrong answers. From these observations, we derive concrete design implications that can inform larger follow-up studies, including later work on learning effectiveness.
- Abstract（参考訳）: 生成的人工知能(AI)は、対話的および物語的学習経験を含む大規模に教育コンテンツを生成することができるが、技術的な生成だけでは不十分である。
本稿では、高等教育におけるAI生成インタラクティブフィクション(IF)のパイロットユーザー中心評価について述べる。
これまでに記述したドメインに依存しないパイプラインと共有STEMコンテンツベースを用いて,シナリオの制御プールを生成し,参加者(N = 22, STEM高学歴)に1つのエピソードを再生し,物語の明瞭さ,物語の一貫性,エンゲージメント,長さの受け入れを評価させた。
フリーテキストプロンプトはオープンフィードバックをキャプチャする。
物語の明瞭さと長さの受容は肯定的に評価され、エンゲージメントはスケールの中立的な中間点の近くにあり、ストーリー・コンテント・コヒーレンスは明確なマージンによって最も弱い次元であった。
質的なフィードバックは、クイズ統合がボトルネックであることを示している。
クイズプロンプトと急激な設定変化に対する人工的インフィクションモチベーションを報告した。
フィードバックはまた、間違った回答に対してストーリーレベルの結果が欠けていることも指摘した。
これらの観察から,学習効率に関するその後の研究を含む,より大きなフォローアップ研究に影響を及ぼす具体的な設計上の意味を導出する。
関連論文リスト
- Socrates went Nuclear: Comparing Interaction Strategies for AI systems in a Learning Context using Brain Sensing [66.03354630509942]
本稿では,ユーザとAIのインタラクションに関する3つの設計を学習場面で比較する。
50人の研究参加者が核安全プロトコルの学習に従事した。
論文 参考訳（メタデータ） (2026-09-01T02:24:35Z) - PRIDE: Privileged Information-enhanced Distillation for Empathetic Dialogue Generation [8.432742005693283]
感性対話生成(PRIDE)のための知識テキスト情報強調型知識テキストbfdistillation法を提案する。
本手法は,専門家の心理学的アノテーションや,トレーニング時にのみ利用できるが,推論時に利用できないイベント要約などの特権情報を活用する。
PRIDEには3つの重要な要素がある:(1) 教師が共感過程を明示的に分解し、感情を理解し、状況を分析するよう指導する共感推論プロンプト、(2) 学生に特権情報を効果的に統合するよう指示するマルチソースアテンションメカニズム
論文 参考訳（メタデータ） (2026-06-22T10:09:52Z) - Living the Novel: A System for Generating Self-Training Timeline-Aware Conversational Agents from Novels [50.43968216132018]
文芸作品が没入的で多文字の会話体験に変換されるエンド・ツー・エンドシステムを提案する。
このシステムはLLM駆動文字の2つの基本的な課題を解決するために設計されている。
論文 参考訳（メタデータ） (2025-12-08T11:57:46Z) - CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - WhatELSE: Shaping Narrative Spaces at Configurable Level of Abstraction for AI-bridged Interactive Storytelling [11.210282687859534]
WhatELSEはAIでブリッジされたINオーサリングシステムで、例題から物語可能性空間を生成する。
我々は,WhatELSEによって著者が物語空間を知覚し,編集し,プレイ時に対話的な物語を生成することができることを示す。
論文 参考訳（メタデータ） (2025-02-25T21:02:15Z) - Data Science Principles for Interpretable and Explainable AI [0.7581664835990121]
解釈可能でインタラクティブな機械学習は、複雑なモデルをより透明で制御しやすいものにすることを目的としている。
本論は, この分野における文献の発達から重要な原則を合成するものである。
論文 参考訳（メタデータ） (2024-05-17T05:32:27Z) - Ruffle&Riley: Towards the Automated Induction of Conversational Tutoring
Systems [23.093767743306973]
会話学習システム(CTS)は、自然言語の相互作用によって駆動される学習体験を提供する。
大規模言語モデル(LLM)の最近の進歩を2つの方法で活用する新しいタイプのCTSを提案する。
Ruffle&Riley は ITS の典型的な内ループ構造と外ループ構造に従う自由形式の会話を可能にする。
論文 参考訳（メタデータ） (2023-09-26T23:27:06Z) - Factually Consistent Summarization via Reinforcement Learning with
Textual Entailment Feedback [57.816210168909286]
我々は,この問題を抽象的な要約システムで解くために,テキストエンテーメントモデルの最近の進歩を活用している。
我々は、事実整合性を最適化するために、レファレンスフリーのテキストエンターメント報酬を用いた強化学習を用いる。
自動測定と人的評価の両結果から,提案手法は生成した要約の忠実さ,サリエンス,簡潔さを著しく向上させることが示された。
論文 参考訳（メタデータ） (2023-05-31T21:04:04Z) - Context-faithful Prompting for Large Language Models [51.194410884263135]
大言語モデル(LLM)は世界事実に関するパラメトリック知識を符号化する。
パラメトリック知識への依存は、文脈的手がかりを見落とし、文脈に敏感なNLPタスクにおいて誤った予測をもたらす可能性がある。
我々は, LLMの文脈的忠実度を, 知識の衝突と, 棄権による予測の2つの側面で評価し, 向上する。
論文 参考訳（メタデータ） (2023-03-20T17:54:58Z) - DeltaScore: Fine-Grained Story Evaluation with Perturbations [69.33536214124878]
DELTASCOREは,ニュアンスストーリーの側面の評価に摂動技術を用いた新しい手法である。
私たちの中心的な命題は、物語が特定の側面(例えば、流感)で興奮する程度は、特定の摂動に対するその感受性の大きさと相関している、と仮定している。
事前学習言語モデルを用いて,前摂動状態と後摂動状態の確率差を計算することにより,アスペクトの品質を測定する。
論文 参考訳（メタデータ） (2023-03-15T23:45:54Z) - Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。
我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。
我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文 参考訳（メタデータ） (2020-08-21T20:59:34Z)
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。