Model Human Learners: Computational Models to Guide Instructional Design

要約

教育デザイナーは、圧倒的なデザインの選択に直面しており、最も効果的な介入を特定することが困難になります。
この問題に対処するために、モデルの人間学習者の概念を提案します。これは、設計者が候補者の介入を評価するのに役立つ統一された学習モデルである学習の統一された計算モデルです。
このホワイトペーパーでは、この概念の最初の成功したデモンストレーションを示し、計算モデルが2つのヒトA/B実験の結果を正確に予測できることを示しています。
また、このようなモデルは、人間のデータを必要とせずに学習曲線を生成し、教育的介入が効果的である理由についての理論的な洞察を提供できることを示しています。
これらの調査結果は、認知理論と学習理論を統合して、多様なタスクと介入にわたって教育設計をサポートする将来のモデル学習者の基礎を築きます。

要約(オリジナル)

Instructional designers face an overwhelming array of design choices, making it challenging to identify the most effective interventions. To address this issue, I propose the concept of a Model Human Learner, a unified computational model of learning that can aid designers in evaluating candidate interventions. This paper presents the first successful demonstration of this concept, showing that a computational model can accurately predict the outcomes of two human A/B experiments — one testing a problem sequencing intervention and the other testing an item design intervention. It also demonstrates that such a model can generate learning curves without requiring human data and provide theoretical insights into why an instructional intervention is effective. These findings lay the groundwork for future Model Human Learners that integrate cognitive and learning theories to support instructional design across diverse tasks and interventions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google