論文の概要: Primer: An AI Framework for Instructor-Centered Educational Simulation Creation
- arxiv url: http://arxiv.org/abs/2611.16986v1
- Date: Thu, 12 Nov 2026 15:50:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.508606
- Title: Primer: An AI Framework for Instructor-Centered Educational Simulation Creation
- Title(参考訳): Primer: インストラクタ中心の教育シミュレーション作成のためのAIフレームワーク
- Abstract要約: Primerはオープンソースのシステムで、教育者が適応的な教育シミュレーションを作成するのを助ける。
私たちは、GitHubリポジトリを含むオープンソースのシステムとしてPrimerをリリースしています。
- 参考スコア(独自算出の注目度): 0.24629531282150877
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Educational simulations are a well-established pedagogical technique that gives learners opportunities to apply knowledge, respond to challenges, and reflect on their performance. High-quality simulations, however, are difficult to build, requiring instructor input, scenario design, character development, scaffolding, technical implementation, and repeated revision. This paper presents Primer, an open-source, LLM-agnostic AI-supported system that helps educators create adaptive educational simulations. Educators contribute their knowledge of the subject, lesson, and students, while generative AI produces responsive variations of practice for students. Primer uses a multi-agent system centered around executing educator's instructional intent through the entire learning experience. We hope that by releasing Primer as an open-source system, including its prompts and GitHub repository, we provide a foundation for development and research on educator-in-the-loop AI authoring, multi-agent educational workflows, and simulation-based pedagogy. Further, by allowing the use of various AI models, including local and open source models, we provide the opportunity for implementation under varied governance regimes. Primer points toward a model of educational AI in which instructors can create locally grounded practice opportunities based on their own materials, goals, examples, and knowledge of students.
- Abstract(参考訳): 教育シミュレーションは、学習者が知識を適用し、課題に反応し、パフォーマンスを反映する機会を与える、十分に確立された教育技術である。
しかし、高品質なシミュレーションは、インストラクター入力、シナリオ設計、キャラクタ開発、スキャフォールディング、技術的実装、繰り返し修正を必要とするため、構築が困難である。
本稿では,LLMに依存しないオープンソースのAI支援システムであるPrimerについて述べる。
教育者は、教科、授業、学生の知識に貢献する一方、生成的AIは、生徒に反応する練習のバリエーションを生み出す。
Primerは、学習体験全体を通じて教育者の指導意図を実行することを中心としたマルチエージェントシステムを使用する。
PrimerをプロンプトやGitHubリポジトリを含むオープンソースシステムとしてリリースすることで、教育者によるAIオーサリング、マルチエージェント教育ワークフロー、シミュレーションベースの教育に関する開発と研究の基盤が提供されることを期待しています。
さらに、ローカルおよびオープンソースモデルを含むさまざまなAIモデルを使用することで、さまざまなガバナンス体制の下で実装する機会を提供する。
Primer氏は、インストラクターが自身の教材、目標、サンプル、そして学生の知識に基づいて、現地の実践機会を創り出すことができる教育AIのモデルに注目している。
関連論文リスト
- 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) - Agentic Workflow for Education: Concepts and Applications [7.875055566698523]
本研究では,自己回帰,ツールの実行,タスク計画,マルチエージェント協調からなる4成分モデルであるエージェント・フォー・教育(AWE)を紹介した。
AWEは、教師の作業量を削減し、教育の質を高め、より広範な教育革新を可能にする、有望な道を提供する。
論文 参考訳(メタデータ) (2025-09-01T14:39:48Z) - AI-Powered Math Tutoring: Platform for Personalized and Adaptive Education [0.0]
本稿では,適応的およびパーソナライズされたフィードバック,構造化コース生成,教科書知識検索を組み合わせた,新しいマルチエージェントAI学習プラットフォームを提案する。
このシステムにより、学生は新しいトピックを学習し、弱点を特定し、ターゲティングし、試験を効果的に修正し、無制限にパーソナライズされたエクササイズを実践することができる。
論文 参考訳(メタデータ) (2025-07-14T20:35:16Z) - From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳(メタデータ) (2024-09-05T13:22:51Z) - AI Agents and Education: Simulated Practice at Scale [0.0]
本稿では,適応型教育シミュレーション作成における生成AIの可能性について検討する。
複数のAIエージェントのシステムを活用することで、シミュレーションはパーソナライズされた学習体験を提供することができる。
我々は、AIの教育提供能力を示すベンチャーキャピタルピッチシミュレータであるPitchQuestのプロトタイプについて説明する。
論文 参考訳(メタデータ) (2024-06-20T05:26:04Z) - How to Build an Adaptive AI Tutor for Any Course Using Knowledge Graph-Enhanced Retrieval-Augmented Generation (KG-RAG) [5.305156933641317]
知的学習システム(ITS)におけるLarge Language Models (LLMs)は、パーソナライズされた教育に変革をもたらす機会を提供する。
現在の実装では、2つの重要な課題に直面している。
本稿では,構造化知識表現と文脈認識検索を統合した新しいフレームワークである知識グラフ強化検索(RAG)を提案する。
論文 参考訳(メタデータ) (2023-11-29T15:02:46Z) - RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。
我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
論文 参考訳(メタデータ) (2023-11-02T17:59:21Z) - 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) - Explainable Active Learning (XAL): An Empirical Study of How Local
Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。
本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文 参考訳(メタデータ) (2020-01-24T22:52:18Z)
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。