[論文レビュー] Artificial Intelligence in Intelligent Tutoring Robots: A Systematic Review and Design Guidelines

Jinyu Yang, Bo Zhang|arXiv (Cornell University)|Feb 26, 2019

Intelligent Tutoring Systems and Adaptive Learning参考文献 52被引用数 7

ひとこと要約

本論文は、知能指導ロボット（ITRs）におけるAIの応用に関する体系的レビューを提示し、AI技術の統合をガイドするための知覚・計画・行動モデルを提案する。学生との対話、学習課程の整合性、社会的文脈のための主要なAIコンponentsを同定し、人間-ロボット教育システムのための設計指針と今後の研究方向性を提示する。

ABSTRACT

This study provides a systematic review of the recent advances in designing the intelligent tutoring robot (ITR), and summarises the status quo of applying artificial intelligence (AI) techniques. We first analyse the environment of the ITR and propose a relationship model for describing interactions of ITR with the students, the social milieu and the curriculum. Then, we transform the relationship model into the perception-planning-action model for exploring what AI techniques are suitable to be applied in the ITR. This article provides insights on promoting human-robot teaching-learning process and AI-assisted educational techniques, illustrating the design guidelines and future research perspectives in intelligent tutoring robots.

研究の動機と目的

• 知能指導ロボット（ITRs）、生徒、社会的環境、学習課程の間の相互作用のダイナミクスを分析すること。
• ITRsに使用されている現在のAI技術を同定し、教育的文脈におけるその有効性を評価すること。
• 適応的で文脈に配慮した指導を支援するAIの統合を促進する構造的フレームワークを開発すること。
• AIを搭載した指導ロボットを開発する研究者や開発者に実行可能な設計指針を提供すること。
• AI支援型の人間-ロボット指導と学習を発展させるための今後の研究方向性を提示すること。

提案手法

• ITRs、生徒、社会的環境、学習課程の間の相互作用を記述する関係モデルを提唱する。
• 関係モデルをAI技術選定をガイドする知覚・計画・行動アーキテクチャに変換する。
• 教育的ロボティクスにおけるITRsおよびAI応用に関する最近の文献を体系的にレビューする。
• AI技術（例：自然言語処理、感情認識、強化学習）を知覚・計画・行動モデルのコンponentsにマッピングする。
• レビューされた研究からの実証的および理論的知見に基づき、設計指針に統合する。
• 特に適応性と社会的相互作用の面で、AI統合におけるギャップと今後の研究機会を同定する。

実験結果

リサーチクエスチョン

• RQ1 知能指導ロボット、生徒、およびその社会的・学習課程的環境との間の主要な相互作用のダイナミクスは何か？
• RQ2 どのAI技術が、ITRsが教育的環境で知覚・計画・行動を行うのを最も効果的に可能にするか？
• RQ3 AIをどのように体系的にITRsに統合することで、適応的で文脈に配慮した指導を支援できるか？
• RQ4 現在のAI応用の統合から導かれる設計原則および指針は何か？
• RQ5 AIを搭載した知能指導ロボットの開発において、主な課題と今後の研究方向性は何か？

主な発見

• 知覚・計画・行動モデルは、関数を特定のAIコンponentsにマッピングすることで、ITRsにおけるAI技術の統合を効果的に構造化する。
• 感情認識、自然言語処理、強化学習は、ITRsに最も頻繁に適用されているAI技術の一部である。
• 現在のITRsは、特にパーソナライズドで適応的な指導において、生徒の関与度と学習成果の向上に有望である。
• 学習パフォーマンスおよび生徒の感情に与える持続的影響を評価する長期的研究のギャップが顕著である。
• 設計指針は、文脈認識、適応性、マルチモーダルな相互作用の重要性を強調している。
• 今後の研究は、AIの解釈可能性、スケーラビリティ、教育的ロボティクスにおける倫理的配慮の向上に注力すべきである。