論文の概要: Teachers' perspective on AI-based Multi-Agent Simulation Design to Combat School Bullying
- arxiv url: http://arxiv.org/abs/2609.35776v1
- Date: Sat, 01 Aug 2026 16:20:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 14:48:16.241966
- Title: Teachers' perspective on AI-based Multi-Agent Simulation Design to Combat School Bullying
- Title（参考訳）: 学校いじめに対するAIに基づくマルチエージェントシミュレーション設計に関する教師の視点
- Abstract要約: 本研究では,大規模言語モデル(LLM)を用いたマルチエージェント・アンチブロイリングシステムについて共同設計する。
このシステムは、学生が反膨大なスキルを開発できるように、真正なシナリオをシミュレートする。
- 参考スコア（独自算出の注目度）: 1.6075364296025485
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bullying in schools profoundly affects the mental and physical health of teenagers. Although existing in-person and digital interventions provide some benefits, they often fall short in addressing the complex social dynamics of bullying. In this study, we collaborated with K-12 teachers to co-design a multi-agent anti-bullying system powered by large language models (LLMs). This system simulates authentic scenarios, enabling students to develop anti-bully skills. The research identifies key design parameters for an LLM-driven multi-agent simulation system, offering valuable insights for creating more effective and scalable anti-bullying tools that could significantly reduce bullying in schools} \keywords{anti-bullying interventions, multi-agent system, generative AI, co-design, bystander presence
- Abstract（参考訳）: 学校でのいじめはティーンエイジャーの精神的および身体的健康に大きな影響を及ぼす。
既存の個人的介入やデジタル介入はいくつかの利点をもたらすが、いじめの複雑な社会的ダイナミクスに対処するには不足することが多い。
本研究では,K-12教師と協力して,大規模言語モデル(LLM)を用いたマルチエージェント・アンチバブルシステムの設計を行った。
このシステムは、学生が反膨大なスキルを開発できるように、真正なシナリオをシミュレートする。
この研究は、LLM駆動のマルチエージェントシミュレーションシステムの鍵となる設計パラメータを特定し、学校におけるいじめを著しく減少させる、より効果的でスケーラブルなアンチバブルツールを作成するための貴重な洞察を提供する。
関連論文リスト
- AgentSchool: An LLM-Powered Multi-Agent Simulation for Education [64.62476927093753]
AgentSchoolはマルチエージェントシミュレータで、振舞いではなく状態遷移として学習をモデル化する。
周囲の関与、傾きの形成、アグレッショナリによる結束、意見リーダーの出現のもっともらしい痕跡を生成する。
AgentSchoolは、長期記憶、マルチエージェント調整、将来の制度的推論のための社会的に意味のあるテストベッドとして教育の枠組みを定めている。
論文 参考訳（メタデータ） (2026-05-28T16:05:58Z) - Masking Teacher and Reinforcing Student for Distilling Vision-Language Models [50.619420197124356]
大規模視覚言語モデル(VLM)は近年,目覚ましいマルチモーダル理解を実現している。
これにより、強力な大規模教師から効率的に学習できるコンパクトで有能なVLMの必要性が高まる。
マスク・プログレッシブ・強化学習の枠組みであるマスターズ(マスク教師と強化学生)を提案する。
論文 参考訳（メタデータ） (2025-12-23T14:40:38Z) - TACLA: An LLM-Based Multi-Agent Tool for Transactional Analysis Training in Education [0.0]
本稿では,制約を克服する新しいマルチエージェントアーキテクチャであるTACLA(Transactional Analysis Contextual LLM-based Agents)を紹介する。
オーケストレーションエージェントは、コンテキストトリガとエージェントのライフスクリプトに基づいてエゴ状態のアクティベーションを優先順位付けし、心理的に認証された応答を保証する。
評価は会話の信頼性が高く、TACLAが動的で心理的な社会的シミュレーションを作成する能力を確認している。
論文 参考訳（メタデータ） (2025-10-19T21:39:12Z) - Can an Individual Manipulate the Collective Decisions of Multi-Agents? [53.01767232004823]
M-Spoilerは、マルチエージェントシステム内のエージェントインタラクションをシミュレートして、対向サンプルを生成するフレームワークである。
M-スポイラーは、敵対的サンプルの最適化を積極的に支援するスタブボーン剤を導入した。
本研究は,マルチエージェントシステムにおける個々のエージェントの知識によって引き起こされるリスクを検証した。
論文 参考訳（メタデータ） (2025-09-20T01:54:20Z) - When Autonomy Goes Rogue: Preparing for Risks of Multi-Agent Collusion in Social Systems [78.04679174291329]
悪意のあるマルチエージェントシステム(MAS)のリスクをシミュレートするための概念実証手法を提案する。
この枠組みを、誤情報拡散とeコマース詐欺という2つのリスクの高い分野に適用する。
その結果,分散システムの方が,集中型システムよりも悪意ある行動を実行するのに効果的であることが示唆された。
論文 参考訳（メタデータ） (2025-07-19T15:17:30Z) - Development of an AI Anti-Bullying System Using Large Language Model Key Topic Detection [0.0]
このシステムは、ソーシャルメディアやその他のメカニズムを介して、協調的ないじめ攻撃を特定するように設計されている。
大規模言語モデル(LLM)は、いじめ攻撃の強化されたシステムベースのネットワークモデルを構築するために使用される。
論文 参考訳（メタデータ） (2024-08-19T21:09:31Z) - AgentPeerTalk: Empowering Students through Agentic-AI-Driven Discernment of Bullying and Joking in Peer Interactions in Schools [0.0]
本研究では,大規模言語モデル(LLM)が,学校間交流におけるいじめと冗談を識別することで,学生に力を与える可能性について検討した。
ChatGPT-4はエージェントアプローチの実装後の文脈特異的な精度に優れていた。
論文 参考訳（メタデータ） (2024-07-27T05:50:02Z) - Explain Thyself Bully: Sentiment Aided Cyberbullying Detection with
Explanation [52.3781496277104]
さまざまなソーシャルメディアネットワークやオンラインコミュニケーションアプリの人気により、サイバーいじめが大きな問題になっている。
一般データ保護規則の「説明の権利」のような近年の法律は、解釈可能なモデルの開発に拍車をかけた。
我々は,コード混在言語からの自動サイバーバブル検出のための,mExCBと呼ばれる最初の解釈可能なマルチタスクモデルを開発した。
論文 参考訳（メタデータ） (2024-01-17T07:36:22Z) - AI Powered Anti-Cyber Bullying System using Machine Learning Algorithm
of Multinomial Naive Bayes and Optimized Linear Support Vector Machine [0.0]
サイバーいじめに関する一連の研究があり、サイバーいじめに対する信頼できる解決策を提供できない。
そこで我々は,92%の精度でメッセージの送受信を検知・傍受できるモデルを開発した。
我々のモデルは、いじめやいじめのメッセージを検出し、傍受し、即座に行動を起こすことができる。
論文 参考訳（メタデータ） (2022-07-25T04:02:02Z) - Enhancing the Identification of Cyberbullying through Participant Roles [1.399948157377307]
本稿では,ロールモデリングによるサイバーバブル検出の高度化に向けた新しいアプローチを提案する。
我々は、ASKfmからのデータセットを利用してマルチクラス分類を行い、参加者の役割を検出する。
論文 参考訳（メタデータ） (2020-10-13T19:13:07Z)
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。