論文の概要: Harnessing Generative UI for Education: Tailored Learning Interactives

• arxiv url: http://arxiv.org/abs/2609.20738v1
• Date: Thu, 17 Sep 2026 17:26:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.401391
• Title: Harnessing Generative UI for Education: Tailored Learning Interactives
• Title（参考訳）: 教育用生成UIのハーネス: 高度学習インタラクティブ
• Abstract要約: 我々は,Geminiの生成UI機能を活用し,効果的なカスタマイズされたインタラクティブなシミュレーションを構築するための,構造化されたフレームワークであるラーニング・インタラクティブスを提示する。 本研究は,教育者による初等的な研究と,専門教員による様々なシミュレーションの教育的評価を通じて評価する。
• 参考スコア（独自算出の注目度）: 8.17416583396082
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is well established that students learn best through active engagement, particularly via interactive experiences tied to real-world concepts. Creating such experiences, however, typically requires labor-intensive design, costly development, and continuous teacher guidance to achieve measurably effective outcomes. Recent advances in generative UI open the door for a future of practice where the creation of tailored interactive experiences is automated. However, off-the-shelf models lack optimization for pedagogical precision and learning principles, often yielding unsatisfactory results for complex pedagogical constructs. To address these limitations, we present learning interactives, a structured framework leveraging the generative UI capabilities of Gemini to construct effective customized interactive simulations. We evaluate our approach through both an initial study with educators as well as a pedagogical rating of a varied set of simulations by expert teachers.
• Abstract（参考訳）: 学生は活発なエンゲージメント、特に現実世界のコンセプトに結びついたインタラクティブな体験を通じて、最高の学習を行うことがよく確立されている。 しかし、そのような経験を生み出すには、通常、測定可能な効果的な結果を達成するために、労働集約的な設計、コスト開発、継続的な教師指導が必要である。 ジェネレーティブUIの最近の進歩は、カスタマイズされたインタラクティブな体験の創造が自動化される未来の実践の扉を開く。 しかし、オフ・ザ・シェルフモデルは教育的精度と学習原理の最適化に欠けており、複雑な教育的構成に対して不満足な結果をもたらすことが多い。 これらの制約に対処するために,Geminiの生成UI機能を活用して,効果的なカスタマイズされた対話型シミュレーションを構築する,構造化されたフレームワークである学習対話型システムを提案する。 本研究は,教育者による初等的な研究と,専門教員による様々なシミュレーションの教育的評価を通じて評価する。

関連論文リスト

• Teaching AI Interactively: A Case Study in Higher Education [0.19383897563685792]
  本稿では,大学レベルのAI授業における授業時間の再設計を検討するための準実験ケーススタディを提案する。 CS Unpluggedアプローチにインスパイアされた私たちは、夏のオファリングを再設計し、組み込まれた、未プラグのシミュレーション、共同プログラミングラボ、構造化されたリフレクションを統合しました。 再設計されたコースの学生は、より高い出席率、評価が理解を測る強い合意、総合的な効果を報告した。
  論文  参考訳（メタデータ） (2026-03-30T16:58:19Z)
• UCO: A Multi-Turn Interactive Reinforcement Learning Method for Adaptive Teaching with Large Language Models [59.693733170193944]
  大規模言語モデル(LLM)は、教育環境において、回答提供者からインテリジェントな家庭教師へとシフトしている。 最近の強化学習アプローチはこの制限に対処するが、2つの重要な課題に直面している。 これらの課題に対処するために一方向認知最適化法(UCO)を提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:27:02Z)
• The Imperfect Learner: Incorporating Developmental Trajectories in Memory-based Student Simulation [55.722188569369656]
  本稿では,メモリベースの学生シミュレーションのための新しいフレームワークを提案する。 構造的知識表現を備えた階層記憶機構を通じて発達軌道を組み込む。 実際に,次世代科学標準に基づくカリキュラム・アライン・シミュレータを実装した。
  論文  参考訳（メタデータ） (2025-11-08T08:05:43Z)
• Student-AI Interaction in an LLM-Empowered Learning Environment: A Cluster Analysis of Engagement Profiles [28.794946431719392]
  本研究では,多エージェント LLM を用いた学習環境における多様な学習者のプロファイルについて検討した。 学生は様々な行動、認知、感情的なエンゲージメントの傾向を示す。
  論文  参考訳（メタデータ） (2025-03-03T16:08:28Z)
• Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
  言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。 現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。 人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
  論文  参考訳（メタデータ） (2023-01-24T11:00:17Z)
• RLTutor: Reinforcement Learning Based Adaptive Tutoring System by Modeling Virtual Student with Fewer Interactions [10.34673089426247]
  本稿では,学生の仮想モデルを構築し,指導戦略を最適化する枠組みを提案する。 この結果は,eラーニングシステムにおける理論的指導最適化と実践的応用のバッファとして機能する。
  論文  参考訳（メタデータ） (2021-07-31T15:42:03Z)
• Rethinking Supervised Learning and Reinforcement Learning in Task-Oriented Dialogue Systems [58.724629408229205]
  本稿では、従来の教師あり学習とシミュレータなしの逆学習法を用いて、最先端のRL法に匹敵する性能を実現する方法を示す。 我々の主な目的は、教師あり学習で強化学習に勝ることではなく、タスク指向対話システムの最適化における強化学習と教師あり学習の役割を再考する価値を示すことである。
  論文  参考訳（メタデータ） (2020-09-21T12:04:18Z)
• Interactive Knowledge Distillation [79.12866404907506]
  本稿では,効率的な知識蒸留のための対話型指導戦略を活用するために,対話型知識蒸留方式を提案する。 蒸留工程では,教師と学生のネットワーク間の相互作用を交換操作により行う。 教員ネットワークの典型的な設定による実験により,IAKDで訓練された学生ネットワークは,従来の知識蒸留法で訓練された学生ネットワークよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-07-03T03:22:04Z)

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。