論文の概要: Automated Personalized Feedback Improves Learning Gains in an
Intelligent Tutoring System
- arxiv url: http://arxiv.org/abs/2005.02431v2
- Date: Thu, 7 May 2020 18:18:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 13:13:42.703715
- Title: Automated Personalized Feedback Improves Learning Gains in an
Intelligent Tutoring System
- Title(参考訳): 知的指導システムにおけるパーソナライズフィードバックの自動化による学習向上
- Authors: Ekaterina Kochmar, Dung Do Vu, Robert Belfer, Varun Gupta, Iulian Vlad
Serban, and Joelle Pineau
- Abstract要約: 大規模知的学習システム(ITS)における自動的、データ駆動型、パーソナライズされたフィードバックが、学生の学習結果をいかに改善するかを検討する。
本稿では,個別の学生のニーズを考慮に入れたパーソナライズされたフィードバックを生成する機械学習手法を提案する。
我々は、最先端の機械学習と自然言語処理技術を利用して、学生にパーソナライズされたヒント、ウィキペディアに基づく説明、数学的ヒントを提供する。
- 参考スコア(独自算出の注目度): 34.19909376464836
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate how automated, data-driven, personalized feedback in a
large-scale intelligent tutoring system (ITS) improves student learning
outcomes. We propose a machine learning approach to generate personalized
feedback, which takes individual needs of students into account. We utilize
state-of-the-art machine learning and natural language processing techniques to
provide the students with personalized hints, Wikipedia-based explanations, and
mathematical hints. Our model is used in Korbit, a large-scale dialogue-based
ITS with thousands of students launched in 2019, and we demonstrate that the
personalized feedback leads to considerable improvement in student learning
outcomes and in the subjective evaluation of the feedback.
- Abstract(参考訳): 大規模知的学習システム(its)において,データ駆動型,パーソナライズされたフィードバックが学生の学習成果をいかに改善するかを検討する。
本稿では,個別の学生のニーズを考慮したパーソナライズされたフィードバックを生成する機械学習手法を提案する。
我々は,最先端の機械学習と自然言語処理技術を用いて,学生にパーソナライズされたヒント,wikipediaに基づく説明,数学的ヒントを提供する。
本モデルは,2019年に開始された大規模対話型itsであるkorbitにおいて,個人化されたフィードバックによって学生の学習結果が大幅に向上し,主観評価が向上することを示す。
関連論文リスト
- Evaluating and Optimizing Educational Content with Large Language Model
Judgments [58.82156185222133]
言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。
本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。
ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
論文 参考訳(メタデータ) (2024-03-05T09:09:15Z) - Improving the Validity of Automatically Generated Feedback via
Reinforcement Learning [50.067342343957876]
強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。
具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
論文 参考訳(メタデータ) (2024-03-02T20:25:50Z) - Lessons Learned from Designing an Open-Source Automated Feedback System
for STEM Education [5.326069675013602]
RATsAppはオープンソースの自動フィードバックシステム(AFS)で、フォーマティブフィードバックなどの研究ベースの機能を組み込んでいる。
このシステムは、数学的能力、表現能力、データリテラシーなどの中核的なSTEM能力に焦点を当てている。
オープンソースプラットフォームであるRATsAppは、継続的な開発へのパブリックコントリビューションを奨励し、教育ツールを改善するための共同アプローチを促進する。
論文 参考訳(メタデータ) (2024-01-19T07:13:07Z) - PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。
本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
論文 参考訳(メタデータ) (2023-07-10T11:05:51Z) - Few-shot Question Generation for Personalized Feedback in Intelligent
Tutoring Systems [22.167776818471026]
パーソナライズされた修正フィードバックシステムは、生成質問応答システムを改善する可能性があることを示す。
実対話型ITSでは,生徒の学習能力が45%,23%向上した。
論文 参考訳(メタデータ) (2022-06-08T22:59:23Z) - Question Personalization in an Intelligent Tutoring System [5.644357169513361]
教科能力の異なる学生に合った質問を生成すれば,生徒の学習能力が向上することを示す。
この知見は,質問の言語的実現が学生の学習結果に影響を及ぼすことを示す。
論文 参考訳(メタデータ) (2022-05-25T15:23:51Z) - Simulating Bandit Learning from User Feedback for Extractive Question
Answering [51.97943858898579]
教師付きデータを用いたフィードバックのシミュレーションにより,ユーザフィードバックからの学習を抽出的質問応答に適用する。
当初は少数の例でトレーニングしたシステムが,モデル予測された回答に対するユーザからのフィードバックを劇的に改善できることが示される。
論文 参考訳(メタデータ) (2022-03-18T17:47:58Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳(メタデータ) (2021-07-23T22:41:28Z) - Deep Discourse Analysis for Generating Personalized Feedback in
Intelligent Tutor Systems [4.716555240531893]
ITS(Intelligent Tutoring System)で、自動化されたパーソナライズされたフィードバックの作成を検討します。
我々のゴールは、学生のより優れた学習目標を達成するために、学生の回答の正しい概念と間違った概念を見極めることである。
論文 参考訳(メタデータ) (2021-03-13T20:33:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。