論文の概要: When Saying No Makes Better Videos: Designing Dual Gatekeeping for Pedagogically Grounded AI Content Creation
- arxiv url: http://arxiv.org/abs/2608.19812v1
- Date: Thu, 20 Aug 2026 09:07:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.519473
- Title: When Saying No Makes Better Videos: Designing Dual Gatekeeping for Pedagogically Grounded AI Content Creation
- Title（参考訳）: AIコンテンツ作成のためのデュアルゲートをデザインする「No Saying No」
- Abstract要約: 第一層は、マルチメディア学習理論に基づいたAIスクリプトを反復的に作り直すことができる。
第2層は自動メトリクスを使用して、命令の一貫性と物語と視覚の同期における違反をフラグする。
評価は、両方の層が独立して同じ命令次元を改善することを示している。
- 参考スコア（独自算出の注目度）: 28.634225905526677
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To prevent the adoption of aesthetically polished but pedagogically flawed AI content, we study a video authoring pipeline featuring two layers of structured refusal. The first layer empowers educators to iteratively reshape AI scripts based on multimedia learning theory, while the second employs automated metrics to flag violations in instructional coherence and narrative-visual synchronization. While neither layer is exhaustive, their synergy ensures that principled resistance--the act of deferring AI output until it meets rigorous standards--becomes a catalyst for higher quality. Evaluation combining a study with 23 educators across 3 topics and automated metrics across 7 topics drawn from established science and philosophy curricula shows that both layers independently improve the same instructional dimensions, suggesting that thoughtful resistance and generative AI are not opposites but partners.
- Abstract（参考訳）: 審美的に洗練されているが、教育的に欠陥のあるAIコンテンツの採用を防止するため、構造化された2層の拒絶を特徴とするビデオオーサリングパイプラインについて検討した。
第1のレイヤは、マルチメディア学習理論に基づくAIスクリプトを反復的に作り直すように教育者に権限を与え、第2のレイヤでは、命令の一貫性と物語と視覚の同期における違反をフラグする自動メトリクスを使用している。
どちらの層も徹底的ではないが、そのシナジーによって、AIの出力を厳格な基準を満たすまで遅らせる行為が、より高い品質の触媒になる、という原則的な抵抗が保証される。
3つのトピックにわたる23の教育者による研究と、確立された科学と哲学のカリキュラムから引き出された7つのトピックを対象とした自動メトリクスを組み合わせることで、両方のレイヤが独立して同じ教育的側面を改善し、思慮深い抵抗と生成的AIが逆ではなくパートナーであることを示唆している。
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) - Framing, Judging, Steering: An Assessable Competency Model for Teach-ing Students to Reason With Generative AI [47.027290803102666]
生産的AI利用を3つの評価可能なスキルに分解する能力モデルであるCoRe-3(Co-Reasoning)を提案する。
理論上のスキルを基盤として、5つのテスト可能な提案を述べ、それらをCoReasoningLabでインスタンス化します。
人為的な合意と成果が次々に行われます。私たちは、計測器、データ、プロトコルをリリースします。
論文 参考訳（メタデータ） (2026-06-04T10:25:31Z) - MAIC-UI: Making Interactive Courseware with Generative UI [55.66338307665182]
本研究では,ゼロコードオーサリングシステムであるMAIC-UIを提案する。
MAIC-UIは、多モーダル理解を用いた構造化知識分析を用いて、教育的厳密性を確保する。
論文 参考訳（メタデータ） (2026-04-28T16:15:04Z) - Geist in the Machine: Simulating Recognition and Inner Dialogue in AI-Mediated Teaching and Research [0.27074235008521247]
本稿では、ヘーゲル的認識とフロイト的心理力学という2つの心理社会的理論に基づいて構築されたAI学習システムについて述べる。
2つの関連する介入として、AI教師に学習者を自律的な科目として扱うように指示する認識強化プロンプトと、内部の批評家がチューターの出力をレビューするマルチエージェントのego/superegoアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-03-11T06:07:40Z) - Synergizing Understanding and Generation with Interleaved Analyzing-Drafting Thinking [154.2388970262703]
Unified Vision-Language Models (UVLM) は、単一のフレームワーク内での理解と生成の両方をサポートすることで、マルチモーダル学習を促進することを目的としている。
本稿では,解析処理と起案処理を交互に行う新たな思考パラダイムである,インターリーブド・アナライジング・ドレイティング問題解決ループ(AD-Loop)を紹介する。
テキスト思考を視覚的思考とインターリーブすることで、AD-Loopはモデルが理解と出力の両方を反復的に洗練し、真のシナジーを育むことができる。
論文 参考訳（メタデータ） (2026-02-24T23:26:09Z) - Reflection-Satisfaction Tradeoff: Investigating Impact of Reflection on Student Engagement with AI-Generated Programming Hints [16.757426904379212]
有望なアプローチのひとつに、AI生成ヒントとリフレクションプロンプトのペアリングがある。
本研究では,オンラインプログラミングコースにおけるAI生成ヒントとリフレクションプロンプトの異なる設計との相互作用について検討する。
論文 参考訳（メタデータ） (2025-12-04T10:01:33Z) - Writing With Machines and Peers: Designing for Critical Engagement with Generative AI [5.719812010814006]
本研究では,大学院レベルの書記活動において,AIとピアフィードバックを統合した教育設計を提案する。
学生は複数の執筆と修正段階を通じて文献レビュープロジェクトを開発し、カスタムビルドのAIレビュアーと人間ピアからのフィードバックを受けた。
論文 参考訳（メタデータ） (2025-11-19T02:17:42Z) - Prompt-to-Primal Teaching [0.0]
本稿では,P2P(Prompt-to-Primal)指導について紹介する。
P2P教育では、学生が生成するAIプロンプトは、授業における調査と最初の議論のエントリーポイントとして機能し、インストラクターは学習者にAI反応の検証、挑戦、再構築を指導する。
論文 参考訳（メタデータ） (2025-10-20T19:44:05Z) - Unified Multimodal Model as Auto-Encoder [69.38946823657592]
本稿では,テキストに画像を圧縮するエンコーダ(I2T)と,そのテキストから画像を再構成するデコーダ(T2I)の理解に関するパラダイムを紹介する。
我々の経験的結果は、理解は生成を大幅に促進し(GenEvalで検証されている)、生成は、特にきめ細かい視覚知覚を強化することを示唆している。
論文 参考訳（メタデータ） (2025-09-11T17:57:59Z) - A vibe coding learning design to enhance EFL students' talking to, through, and about AI [5.671810777243196]
この記事では、外国語教育としての英語のためのビブコーディング(自然言語を使ってAIを使ったソフトウェアアプリケーションを作成する)のパイロット化について報告する。
私たちは、AI(プロンプトエンジニアリング)、AI(著者の交渉)、AI(AI)という3つの次元を持つ、人間とAIのメタランゲージングフレームワークを開発しました。
論文 参考訳（メタデータ） (2025-09-09T00:27:04Z) - Uni4D: A Unified Self-Supervised Learning Framework for Point Cloud Videos [70.07088203106443]
既存の手法は運動を学ぶための明示的な知識に依存しており、結果として準最適表現をもたらす。
Masked Autoentangler (MAE)フレームワークは、4Dデータにおける低レベルの幾何学と高レベルのダイナミックスの間のギャップを埋めるのに苦労している。
本稿では,表現的,識別的,移動可能な4次元表現を学習するための,新しい自己異方性MAEを提案する。
論文 参考訳（メタデータ） (2025-04-07T08:47:36Z)
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。