CogEvolution：学生の認知進化をシミュレートする人間らしい生成型教育エージェント

要旨: 生成エージェントは、人間の行動を正確にモデル化しシミュレーションできることにより、学習者の複雑な認知プロセスを解明するための人工知能による教育（AIEd）分野において、重要なツールとなっています。しかし、既存の教育エージェントは主として静的なパーソナを用いて学生の学習行動をシミュレートしており、実践における相互作用の中で学習成果を左右する深い認知能力の決定的な役割を見落としています。さらに、知識の内在化、転移、そして認知状態の遷移に関する動的で流動的な性質を特徴づけることにも困難を抱えています。このボトルネックを克服するため、本論文では、学生の認知の進化をシミュレートできる人間らしい教育エージェントとして CogEvolution を提案します。具体的には、まず認知心理学の Interactive, Constructive, Active, Passive（ICAP）タクソノミーに基づいて認知深度パーセプトロンを構築し、学習者の認知的関与を精密に定量化します。続いて、新旧の知識の結びつきと同化をシミュレートするために、項目反応理論（IRT）に基づく記憶検索手法を提案します。最後に、進化的アルゴリズムに基づく動的な認知更新メカニズムを設計し、学生の学習行動と認知進化プロセスのリアルタイムな統合をシミュレートします。包括的な評価により、CogEvolution が行動の忠実度および学習曲線のフィッティングにおいてベースラインモデルを大幅に上回るだけでなく、教育心理学の期待に整合する、もっともらしく頑健な認知進化の経路も独自に再現できることが示されます。これにより、高い解釈可能性を備えた教育エージェントを構築するための新たなパラダイムを提供します。