Model Human Learners: Computational Models to Guide Instructional Design

要約

インストラクショナルデザイナーは、圧倒的なデザインの選択肢に直面し、最も効果的な介入策を特定することが困難になっている。この問題に対処するために、私はモデル学習者（Model Human Learner）という概念を提案する。これは、学習に関する統一された計算モデルであり、設計者が介入候補を評価する際に役立つ。本論文では、このコンセプトの最初の成功例を示し、計算モデルが2つの人間によるA/B実験の結果を正確に予測できることを示す。また、このようなモデルが、人間のデータを必要とせずに学習曲線を生成し、指導介入が効果的である理由についての理論的洞察を提供できることも示している。これらの知見は、認知理論と学習理論を統合し、多様なタスクや介入にまたがる教育設計をサポートする、将来のModel Human Learnerのための基礎を築くものである。

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, DeepL