論文の概要: AI-aided Decision-Making in Education - Uncertainty, Explainability, and Human Responsibility
- arxiv url: http://arxiv.org/abs/2611.17858v1
- Date: Fri, 13 Nov 2026 07:45:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.329042
- Title: AI-aided Decision-Making in Education - Uncertainty, Explainability, and Human Responsibility
- Title(参考訳): 教育におけるAI支援による意思決定 -不確かさ、説明可能性、人間責任-
- Abstract要約: 教育環境におけるAIの合法的利用には,3つの重要な原則が不可欠である,と我々は主張する。
AIに基づく決定に固有の不確実性を認めることは、人間の意思決定に類似するものが基本である。
人間の責任は、特に人間の意思決定において不可欠であり、AI開発とデプロイメントのあらゆる段階において不可欠である。
- 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: As Artificial Intelligence (AI)-based systems have become increasingly integrated into various aspects of everyday life, including education, understanding how these systems make decisions is of paramount importance. AI holds significant potential to enhance educational practices through the facilitation of personalized and adaptive learning, automation of assessment procedures, and assistance with administrative tasks. However, the opacity of AI-based decision-making in education (especially with deep learning and generative AI models) can hamper decision-making, especially when outcomes appear unjustified or incorrect. In this chapter, we argue that three key principles (uncertainty, explainability, and human responsibility) are essential for the legitimate use of AI in educational settings. Acknowledging the inherent uncertainties in AI-based decisions, analogous to those in human decision-making, is fundamental. Explainability is critical for ensuring that the functioning and outcomes of AI applications are transparent and comprehensible to both educators and learners. Furthermore, human responsibility is crucial, particularly in human decision-making, which remains indispensable across all stages of AI development and deployment. By examining these three principles, this chapter provides a comprehensive guide for stakeholders seeking to integrate AI thoughtfully and effectively into the educational system.
- Abstract(参考訳): 人工知能(AI)ベースのシステムは、教育を含む日常生活の様々な側面にますます統合されていくにつれて、これらのシステムが意思決定をどのように行うかを理解することが最重要視されている。
AIは、パーソナライズされた適応的な学習の促進、評価手順の自動化、管理タスクの支援を通じて、教育実践を強化する大きな可能性を秘めている。
しかし、教育におけるAIベースの意思決定の不透明さ(特にディープラーニングと生成AIモデル)は、意思決定を妨げる。
この章では、3つの重要な原則(不確実性、説明可能性、人間の責任)が、教育環境におけるAIの合法的使用に不可欠である、と論じている。
AIに基づく決定に固有の不確実性を認めることは、人間の意思決定に類似するものが基本である。
説明可能性(Explainability)は、AIアプリケーションの機能と成果が、教育者と学習者の両方にとって透明で理解しやすいことを保証するために重要である。
さらに、人間の責任は、特に人間の意思決定において重要であり、AI開発とデプロイメントのあらゆる段階において不可欠である。
この3つの原則を検証することによって、この章は、AIを思慮深く効果的に教育システムに統合しようとする利害関係者の包括的なガイドを提供する。
関連論文リスト
- Addressing the Reality Gap: A Three-Tension Framework for Agentic AI Adoption [0.0]
ジェネレーティブAIは、無料のコンシューマツールを通じて、急速に教育に入ってきた。
この章では、これらのイノベーションをうまくナビゲートするには、3つのコアテンションのバランスが必要だ、と論じている。
我々は、AIイニシアチブの評価と設計において、意思決定者を導くための3つのフレームワークを提示します。
論文 参考訳(メタデータ) (2026-04-29T22:33:36Z) - Artificial Intelligence in Lifelong Learning: Opportunities and Challenges in Adult Education Policy [0.0]
本稿では,成人教育政策におけるAIの役割について考察し,その可能性とその課題に焦点をあてる。
AIがパーソナライズされた学習、インテリジェントなチュータリング、学習分析、労働力開発をサポートする方法について論じている。
同時に、この論文は、デジタルディビジョン、データプライバシ、アルゴリズムバイアス、テクノロジーへの過度な依存、そしてAIを効果的に統合するための教育者や機関の準備に関する重要な懸念を強調している。
論文 参考訳(メタデータ) (2026-04-15T12:59:22Z) - Charting the Future of AI-supported Science Education: A Human-Centered Vision [0.9851520275517003]
この章は、教育目標、指導手順、学習資料、評価、成果の5つの分野にわたる発展を合成する。
我々は、AIが探究を豊かにし、学習をパーソナライズし、教師の実践を支援するための変革的なポテンシャルを提供すると論じるが、それは責任と倫理原則(REP)によって導かれるときのみである。
REPフレームワークは、公正さ、透明性、プライバシー、説明責任、人間の価値への敬意を強調するもので、AIをサポートする科学教育に対する私たちのビジョンを支えています。
論文 参考訳(メタデータ) (2026-02-09T00:06:00Z) - Comprehensive AI Literacy: The Case for Centering Human Agency [0.0]
AIツールの使用による機能的かつ運用上のスキルに重点を置くことが、それらに関する批判的かつ倫理的な理由付けの開発を妨げる、危険なギャップの出現を私たちは目撃しています。
このポジションペーパーは、人間を中心とする包括的なAIリテラシーへの体系的なシフトを論じている。
論文 参考訳(メタデータ) (2025-12-18T15:25:38Z) - Do AI tutors empower or enslave learners? Toward a critical use of AI in education [7.673465837624366]
論文は、AIは学習を支援することができるが、その未確認使用は認知萎縮につながるかもしれないと論じている。
この論文は、学習者を弱めるのではなく、力を与えるAIの意図的で透明で批判的な利用を提唱している。
論文 参考訳(メタデータ) (2025-07-09T14:15:49Z) - Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence [59.07578850674114]
音の誘惑的推論は、一般知能の必然的に望ましい側面である。
もっとも先進的なフロンティアシステムでさえ、定期的かつ一貫して容易に解決可能な推論タスクに干渉していることは、よく文書化されている。
彼らの不健全な振る舞いは、彼らの発展を支えている統計的学習のアプローチの結果である、と我々は主張する。
論文 参考訳(メタデータ) (2025-06-30T14:37:50Z) - Aligning Generalisation Between Humans and Machines [74.120848518198]
AI技術は、科学的発見と意思決定において人間を支援することができるが、民主主義と個人を妨害することもある。
AIの責任ある使用と人間-AIチームへの参加は、AIアライメントの必要性をますます示している。
これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
論文 参考訳(メタデータ) (2024-11-23T18:36:07Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳(メタデータ) (2024-11-04T18:10:10Z) - Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳(メタデータ) (2024-07-03T15:38:57Z) - Effect of Confidence and Explanation on Accuracy and Trust Calibration
in AI-Assisted Decision Making [53.62514158534574]
ケース固有のモデル情報を明らかにする特徴が、信頼度を調整し、人間とAIのジョイントパフォーマンスを向上させることができるかどうかを検討する。
信頼スコアは、AIモデルに対する人々の信頼を校正するのに役立ちますが、信頼の校正だけでは、AI支援による意思決定を改善するには不十分です。
論文 参考訳(メタデータ) (2020-01-07T15:33:48Z)
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。