Key points are not available for this paper at this time.
이산 사건 시뮬레이션과 에이전트 기반 시뮬레이션 교육은 전 세계 학자들이 직면한 복잡한 과제입니다. 도전 과제에는 다양한 사전 지식과 기술을 가진 이질적인 학생 집단, 대학 및 전공별로 다양한 강조점, 과학 문헌에서 구조화된 교육적 지침의 부족이 포함됩니다. 이 논문에서는 구성적 정렬에 기반한 새로운 시뮬레이션 교육 프레임워크를 제시합니다. 이는 개정된 블룸의 분류법에 기반한 명확하게 정의된 학습 목표, 혁신적인 교육 구조, 효과적인 학습자 중심 평가 포트폴리오로 구성됩니다. 이 접근 방식은 개별 및 공동 학습 성공을 위한 강의 설계 요소와 실제 적용 사례를 통합합니다. 이 프레임워크는 지속적인 동기 부여와 긍정적인 감정적 참여를 촉진하는 학습 환경 설계를 지원합니다. 미국, 영국 및 오스트리아에서 수십 년의 시뮬레이션 교육 경험을 바탕으로, 우리는 국제적으로 시뮬레이션 교육을 지원하기 위한 구조화된 형식과 실용적인 지침을 제공합니다. 우리는 생성적 인공지능의 발전을 다루고 책임 있는 AI 지원 학습을 위한 지침을 제공합니다. 우리의 일반적인 맞춤형-구축-정렬(C-B-A) 프레임워크는 다양한 시뮬레이션 과정 및 커리큘럼에 걸쳐 채택하고 적용할 수 있습니다. 우리는 교육자, 학습자, 시뮬레이션 커뮤니티에 대한 함의와 프레임워크가 시뮬레이션 연구 및 실천을 발전시키는 데 있어 관련성을 논의합니다.
Kögler et al. (Sun,)은 이 질문을 연구했습니다.