論文の概要: Avoiding Help Avoidance: Using Interface Design Changes to Promote
Unsolicited Hint Usage in an Intelligent Tutor
- arxiv url: http://arxiv.org/abs/2009.13371v2
- Date: Tue, 13 Oct 2020 16:28:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 21:59:12.477002
- Title: Avoiding Help Avoidance: Using Interface Design Changes to Promote
Unsolicited Hint Usage in an Intelligent Tutor
- Title（参考訳）: ヘルプ回避: インタフェース設計変更を用いたインテリジェントチュータの非分離型ヒント使用促進
- Authors: Mehak Maniktala, Christa Cody, Tiffany Barnes, and Min Chi
- Abstract要約: そこで本稿では,データ駆動型インテリジェントチュータに無意味なヒントを提供するための,"Assertions"と呼ばれる新たなヒント配信機構を提案する。
要求時にヒントのみを提供するシステムでは、ヒント回避は学生が必要なときにヒントを受け取らないことを意味する。
その結果,AssertionsはMessagesに比べて無意味なヒント使用率を著しく向上させることがわかった。
- 参考スコア（独自算出の注目度）: 6.639504127104268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Within intelligent tutoring systems, considerable research has investigated
hints, including how to generate data-driven hints, what hint content to
present, and when to provide hints for optimal learning outcomes. However, less
attention has been paid to how hints are presented. In this paper, we propose a
new hint delivery mechanism called "Assertions" for providing unsolicited hints
in a data-driven intelligent tutor. Assertions are partially-worked example
steps designed to appear within a student workspace, and in the same format as
student-derived steps, to show students a possible subgoal leading to the
solution. We hypothesized that Assertions can help address the well-known hint
avoidance problem. In systems that only provide hints upon request, hint
avoidance results in students not receiving hints when they are needed. Our
unsolicited Assertions do not seek to improve student help-seeking, but rather
seek to ensure students receive the help they need. We contrast Assertions with
Messages, text-based, unsolicited hints that appear after student inactivity.
Our results show that Assertions significantly increase unsolicited hint usage
compared to Messages. Further, they show a significant aptitude-treatment
interaction between Assertions and prior proficiency, with Assertions leading
students with low prior proficiency to generate shorter (more efficient)
posttest solutions faster. We also present a clustering analysis that shows
patterns of productive persistence among students with low prior knowledge when
the tutor provides unsolicited help in the form of Assertions. Overall, this
work provides encouraging evidence that hint presentation can significantly
impact how students use them and using Assertions can be an effective way to
address help avoidance.
- Abstract（参考訳）: インテリジェントなチュータシステムでは、データ駆動ヒントの生成方法、提示すべきヒントコンテンツ、最適な学習結果へのヒントの提供方法など、多くの研究がなされている。
しかし、ヒントの提示方法にはあまり注意が払われていない。
本稿では,データ駆動型知的チュータに無意味なヒントを提供するための,"Assertions"と呼ばれる新たなヒント配信機構を提案する。
アサーション(アサーション)は、学生のワークスペース内に現れるように設計され、生徒が引き出すステップと同じフォーマットで、学生に解決策につながる可能性のあるサブゴールを示すために部分的に機能するサンプルステップである。
Assertionsはよく知られたヒント回避問題に対処できると仮定した。
要求に対してのみヒントを提供するシステムでは、ヒント回避の結果、生徒は必要なときにヒントを受け取らない。
学生の助けを求めているのではなく、学生が必要とする援助を確実に受けられるようにしたいのです。
AssertionsとMessagesは、学生の不活発な後に現れるテキストベースで無意味なヒントだ。
その結果,AssertionsはMessagesに比べて無意味なヒント使用率を著しく向上させることがわかった。
さらに,アサーションと先行能力との間に有意な適性・待遇の相互作用を示し,より短い(より効率的な)ポストテストソリューションを早く生成する先行能力の低い学生を指導するアサーションを提示した。
また,教師がアサーションの形で不十分な支援を提供する場合,事前知識の少ない学生の間で生産的パーシステンスパターンを示すクラスタリング分析を行う。
全体として、この研究は、ヒント提示が学生のそれの使用方法に大きな影響を及ぼし、Assertionsを使うことがヘルプ回避に効果的であることを示す証拠を提供する。
関連論文リスト
- A Knowledge-Component-Based Methodology for Evaluating AI Assistants [9.412070852474313]
GPT-4をベースとしたCS1プログラム代入のためのヒント自動生成システムの評価を行った。
本システムは,学生が短時間のプログラミング演習において,誤った解法をいかに改善できるか,という自然言語指導を提供する。
論文 参考訳（メタデータ） (2024-06-09T00:58:39Z) - Exploring How Multiple Levels of GPT-Generated Programming Hints Support or Disappoint Novices [0.0]
本研究は,学生の問題解決と学習を支援するヒントのレベルの違いについて検討した。
LLMヒントファクトリーを用いた12初心者を対象にシンクアップアラウド調査を行った。
ハイレベルな自然言語のヒントだけでは役に立たないか、あるいは誤解を招く可能性があることがわかりました。
論文 参考訳（メタデータ） (2024-04-02T18:05:26Z) - Improved Compositional Generalization by Generating Demonstrations for
Meta-Learning [81.38804205212425]
従来未解決であった構成動作分割に対して,他の分割に対する性能の損失を伴わずに,大幅な性能向上を示す。
この場合、オラクル関数でさえも関連する実演を探すことは、メタラーニングを使用する際には十分な性能を得るには不十分である。
論文 参考訳（メタデータ） (2023-05-22T14:58:54Z) - Semantic Prompt for Few-Shot Image Recognition [76.68959583129335]
本稿では,数ショット学習のための新しいセマンティック・プロンプト(SP)手法を提案する。
提案手法は,1ショットの学習精度を平均3.67%向上させることにより,有望な結果が得られる。
論文 参考訳（メタデータ） (2023-03-24T16:32:19Z) - Evaluating the Robustness of Discrete Prompts [27.919548466481583]
我々は離散的なプロンプトの堅牢性について体系的な研究を行う。
2つの自然言語推論(NLI)データセットでそれらの性能を測定する。
提案手法は,NLI入力に対する摂動に対して比較的頑健であるが,シャッフルやプロンプトの削除といった他の種類の摂動に対して非常に敏感である。
論文 参考訳（メタデータ） (2023-02-11T07:01:53Z) - Explanation Selection Using Unlabeled Data for Chain-of-Thought
Prompting [80.9896041501715]
非専門家によって書かれたオフ・ザ・シェルフの説明のように、タスクのために"チューニング"されていない説明は、中途半端なパフォーマンスをもたらす可能性がある。
本稿では,ブラックボックス方式で説明拡散プロンプトを最適化する方法の課題に対処する。
論文 参考訳（メタデータ） (2023-02-09T18:02:34Z) - Enhancing a Student Productivity Model for Adaptive Problem-Solving
Assistance [7.253181280137071]
本稿では,学生が支援の必要性を予測するためにヒントを取り入れた新しいデータ駆動型アプローチを提案する。
このような政策が学生のトレーニング時間を大幅に節約できることを示す実証的証拠を示す。
このアプローチの恩恵を受けることができるドメインと、採用の要件についての提案を締めくくります。
論文 参考訳（メタデータ） (2022-07-07T00:41:00Z) - PROMPT WAYWARDNESS: The Curious Case of Discretized Interpretation of
Continuous Prompts [99.03864962014431]
目標タスクの微調整連続プロンプトは、フルモデルの微調整に代わるコンパクトな代替品として登場した。
実際には、連続的なプロンプトによって解決されたタスクと、最も近い隣人との間の「方向」の挙動を観察する。
論文 参考訳（メタデータ） (2021-12-15T18:55:05Z) - KnowPrompt: Knowledge-aware Prompt-tuning with Synergistic Optimization
for Relation Extraction [111.74812895391672]
シナジスティック最適化(KnowPrompt)を用いた知識認識型Promptチューニング手法を提案する。
関係ラベルに含まれる潜在知識をインジェクトして,学習可能な仮想型語と解答語で構築する。
論文 参考訳（メタデータ） (2021-04-15T17:57:43Z) - Extending the Hint Factory for the assistance dilemma: A novel,
data-driven HelpNeed Predictor for proactive problem-solving help [6.188683567894372]
非生産的な問題解決のステップを分類し、予測し、予防するための、データ駆動型の一連の手法を提案する。
本稿では,学生が非生産的になる確率を決定するために,事前の学生データを用いたHelpNeed分類を提案する。
我々は、これらのHelpNeedメソッドが、他のよく構造化されたオープンエンドドメインにどのように適用できるかという提案で締めくくった。
論文 参考訳（メタデータ） (2020-10-08T17:04:03Z) - Active Sentence Learning by Adversarial Uncertainty Sampling in Discrete
Space [56.22272513894306]
文理解のための能動的学習は、注釈のための情報的未ラベルデータを見つけることを目的としている。
アクティブな学習のための典型的な不確実性サンプリング手法は時間を要するため,リアルタイムにはほとんど機能しない,と我々は主張する。
本稿では, 離散空間 (AUSDS) における逆不確実性サンプリングを提案し, より効率的に情報付き未ラベルサンプルを検索する。
論文 参考訳（メタデータ） (2020-04-17T03:12:34Z)
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。