論文の概要: AI-Driven Interface Design for Intelligent Tutoring System Improves Student Engagement

• arxiv url: http://arxiv.org/abs/2009.08976v1
• Date: Fri, 18 Sep 2020 10:32:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-01 21:56:24.330555
• Title: AI-Driven Interface Design for Intelligent Tutoring System Improves Student Engagement
• Title（参考訳）: インテリジェントチューニングシステムのためのAI駆動インタフェース設計による学生エンゲージメントの改善
• Authors: Byungsoo Kim, Hongseok Suh, Jaewe Heo, Youngduck Choi
• Abstract要約: 本稿では,Intelligent Tutoring System (ITS) のインタフェースのためのAI駆動設計について検討する。 本稿では,様々なAIコンポーネントを用いたインターフェース設計を提案し,サンタを通した学生のエンゲージメントへの影響を実証的に評価する。 野生の20K以上の学生を対象に行われた制御されたA/Bテストは、AI駆動インタフェース設計がエンゲージメントの要因を最大25.13%改善することを示している。
• 参考スコア（独自算出の注目度）: 2.083729551844793
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An Intelligent Tutoring System (ITS) has been shown to improve students' learning outcomes by providing a personalized curriculum that addresses individual needs of every student. However, despite the effectiveness and efficiency that ITS brings to students' learning process, most of the studies in ITS research have conducted less effort to design the interface of ITS that promotes students' interest in learning, motivation and engagement by making better use of AI features. In this paper, we explore AI-driven design for the interface of ITS describing diagnostic feedback for students' problem-solving process and investigate its impacts on their engagement. We propose several interface designs powered by different AI components and empirically evaluate their impacts on student engagement through Santa, an active mobile ITS. Controlled A/B tests conducted on more than 20K students in the wild show that AI-driven interface design improves the factors of engagement by up to 25.13%.
• Abstract（参考訳）: 知的学習システム(ITS)は、生徒の個々のニーズに対処するパーソナライズされたカリキュラムを提供することで、生徒の学習成果を改善することが示されている。 しかし、ITSが学生の学習プロセスにもたらす効果と効率にもかかわらず、ITS研究のほとんどの研究は、学習、モチベーション、エンゲージメントへの学生の関心を高めるために、AI機能をよりよく活用することで、ITSのインターフェースを設計する努力を減らしてきた。 本稿では,学生の問題解決過程における診断的フィードバックを記述するインタフェースのai駆動設計と,その関与への影響について検討する。 そこで我々は,様々なAIコンポーネントを用いたインターフェース設計を提案し,アクティブモバイルITSであるサンタを通じた学生エンゲージメントへの影響を実証的に評価した。 野生の20K以上の学生を対象に行われた制御されたA/Bテストは、AI駆動インタフェース設計がエンゲージメントの要因を最大25.13%改善することを示している。

関連論文リスト

• Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
  我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。 また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
  論文  参考訳（メタデータ） (2024-10-28T23:10:06Z)
• Effects of a Prompt Engineering Intervention on Undergraduate Students' AI Self-Efficacy, AI Knowledge and Prompt Engineering Ability: A Mixed Methods Study [36.48421439947282]
  本研究は,香港の大学において,迅速な工学的介入を設計・実施した。 学生のAI自己効力、AI知識、そして効果的なプロンプト作成能力について検討した。
  論文  参考訳（メタデータ） (2024-07-30T15:05:24Z)
• The Evolution of Learning: Assessing the Transformative Impact of Generative AI on Higher Education [0.0]
  ChatGPTのような生成人工知能モデルは人気が高まっている。 本研究では,GAIが大学生や高等教育機関に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-04-16T13:19:57Z)
• How Human-Centered Explainable AI Interface Are Designed and Evaluated: A Systematic Survey [48.97104365617498]
  Em Explainable Interfaces (EIs) の登場する領域は,XAI のユーザインターフェースとユーザエクスペリエンス設計に重点を置いている。 本稿では,人間とXAIの相互作用の現在の動向と,EI設計・開発に向けた将来的な方向性を明らかにするために,53の出版物を体系的に調査する。
  論文  参考訳（メタデータ） (2024-03-21T15:44:56Z)
• Enhancing Students' Learning Process Through Self-Generated Tests [0.0]
  本稿では,学生の自律学習の促進を目的とした教育実験について述べる。 本研究の主目的は,評価試験に学生の質問を含めることによって,評価プロセスに学生を参加させることである。 学生がアップロードした質問は、登録された生徒全員と、関連する教師全員に表示される。
  論文  参考訳（メタデータ） (2024-03-21T09:49:33Z)
• Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
  目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。 GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。 PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-03T12:37:16Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• Implementing Learning Principles with a Personal AI Tutor: A Case Study [2.94944680995069]
  本研究は,人間の学習過程をモデル化し,学術的性能を効果的に向上するパーソナルAIチューターの能力を示す。 プログラムにAIチューターを統合することで、教育者は、学習科学の原則に基づくパーソナライズされた学習体験を学生に提供することができる。
  論文  参考訳（メタデータ） (2023-09-10T15:35:47Z)
• Disadvantaged students increase their academic performance through collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
  新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。 我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。 自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
  論文  参考訳（メタデータ） (2022-03-10T20:23:38Z)
• Peer-inspired Student Performance Prediction in Interactive Online Question Pools with Graph Neural Network [56.62345811216183]
  本稿では,対話型オンライン質問プールにおいて,より優れた生徒のパフォーマンス予測を実現するために,グラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。 具体的には,学生のインタラクションを用いた学生と質問の関係をモデル化し,学生のインタラクション・クエストネットワークを構築する。 1631の質問に対して4000人以上の学生の問題解決過程において生成した104,113個のマウス軌跡からなる実世界のデータセットに対するアプローチの有効性を評価した。
  論文  参考訳（メタデータ） (2020-08-04T14:55:32Z)

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。