論文の概要: Who Decides? Agency and Legitimacy in Digital Educational Systems

• arxiv url: http://arxiv.org/abs/2609.19939v1
• Date: Thu, 17 Sep 2026 09:13:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.196039
• Title: Who Decides? Agency and Legitimacy in Digital Educational Systems
• Title（参考訳）: デジタル教育システムにおけるエージェンシーと正当性
• Abstract要約: デジタル教育システムを2次元に分類することで、これらのDESが学習過程を構造的に概念化する方法の違いを地図化することができると論じる。 これらの基礎となる次元は、DESの設計で構築された学生モデルとメカニズムの一度の次元であり、それらをエージェンシーと正当性として識別する。
• 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: Digital Educational Systems (DES) enable millions of individuals to learn or to acquire new skills. Their promises vary from one platform to another: some grant genuine degrees, others pledge rapid progress, drawing for this purpose on a range of techniques, from the recommendation of learning resources through complex models to a plain course textbook uploaded onto a learning management system. In this article, we argue that categorizing DES along two dimensions allows to map differences in the way these DES structurally conceptualise the learning process. These underlying dimensions are at once dimensions of the student model and mechanisms built in the DES's designs; we identify them as agency and legitimacy. Indeed, DES are, on the one hand, anchored in an institutionalised regime that grants them legitimacy and, in turn, legitimises the learning undertaken on these platforms; on the other hand, they make design choices as to the share of decision left to the learner in the learning process. We map a curated sample of common DES onto a plane composed of these two dimensions translated into indicators. This allows us to highlight underpopulated regions of the plane and to envisage how a DES might regulate these two dimensions algorithmically, in the interest of learning.
• Abstract（参考訳）: デジタル教育システム(DES)は、何百万人もの個人が新しいスキルを身につけることができる。 彼らの約束は、あるプラットフォームによって異なり、あるプラットフォームは真の学位を与え、あるプラットフォームは急速に進歩することを約束し、あるプラットフォームは、複雑なモデルを通してリソースを学習することから、学習管理システムにアップロードされた平易な教科書まで、様々な技術に基づいてこの目的を図っている。 本稿では、DESを2次元に分類することで、これらのDESが学習過程を構造的に概念化する方法の違いを地図化することができると論じる。 これらの基礎となる次元は、DESの設計で構築された学生モデルとメカニズムの一度の次元であり、それらをエージェンシーと正当性として識別する。 実際、DESは、それらに正当性を付与する制度化された体制に固定されており、その一方で、学習過程において学習者に残された決定の共有に関する設計上の選択を行う。 我々は、一般的なDESのキュレートされたサンプルを、これらの2次元を指標に変換した平面にマッピングする。 これにより、飛行機の人口密度の低い地域をハイライトし、DESがこれらの2次元をアルゴリズムで制御する方法を学習に興味を持って検討することができる。

関連論文リスト

• Who Decides in AI-Mediated Learning? The Agency Allocation Framework [2.636629452298615]
  本稿では,学習者機関を学習者,教育者,機関,AIシステムにまたがる意思決定権限の割り当てとして再編成する。 AAFは、多かれ少なかれ自動化を提唱するのではなく、AIが学習者の行動能力をいつ取得するかの体系的な分析を支持している。
  論文  参考訳（メタデータ） (2026-04-15T06:29:03Z)
• Bridging Traditional Machine Learning and Large Language Models: A Two-Part Course Design for Modern AI Education [4.8369208007394215]
  基礎的機械学習の概念と現代大規模言語モデル(LLM)の2つの逐次的および相補的部分から構成されるコースについて述べる。 コースアーキテクチャ、実装戦略、評価方法、および2つの7週間の期間にわたる夏のコース提供からの学習成果について詳述する。
  論文  参考訳（メタデータ） (2025-12-04T15:10:37Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• Let Students Take the Wheel: Introducing Post-Quantum Cryptography with Active Learning [4.804847392457553]
  ポスト量子暗号(PQC)は、既存のソフトウェアシステムをセキュアにするためのソリューションとして認識されている。 本研究は,PQCを大学生や大学院生に教える上での,新たなアクティブラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T01:52:03Z)
• A Taxonomy of Decentralized Identifier Methods for Practitioners [50.76687001060655]
  SSI(Self-Sovereign Identity)の新たなアイデンティティ管理パラダイムの中核となるのは、W3C Decentralized Identifiers(DID)標準である。 本稿では, DID手法を選択する際に, 実践者が情報的意思決定を行えるようにするためのDID手法の分類法を提案する。
  論文  参考訳（メタデータ） (2023-10-18T13:01:40Z)
• Leveraging Different Learning Styles for Improved Knowledge Distillation in Biomedical Imaging [0.9208007322096533]
  我々の研究は知識多様化の概念を活用して、知識蒸留(KD)や相互学習(ML)といったモデル圧縮技術の性能を向上させる。 我々は,教師から学生(KD)への知識伝達を可能にすると同時に,学生(ML)間の協調学習を促進する統一的な枠組みで,一教師と二学生のネットワークを利用する。 教師が学生ネットワークと予測や特徴表現の形で同じ知識を共有する従来の手法とは異なり,提案手法では,教師の予測と特徴マップの学習により,より多様化した戦略を採用する。
  論文  参考訳（メタデータ） (2022-12-06T12:40:45Z)
• Decision Models for Selecting Federated Learning Architecture Patterns [7.468413169676602]
  フェデレートされた機械学習アーキテクチャ設計のためのパターン選択のための一連の決定モデルを提案する。 各決定モデルは、フェデレートされた機械学習システムの機能的および非機能的要件を一連のパターンにマッピングする。
  論文  参考訳（メタデータ） (2022-04-28T05:07:26Z)
• Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
  本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。 また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
  論文  参考訳（メタデータ） (2021-11-28T14:24:52Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。