論文の概要: Understanding Revision Behavior in Adaptive Writing Support Systems for Education

• arxiv url: http://arxiv.org/abs/2306.10304v1
• Date: Sat, 17 Jun 2023 09:23:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 23:16:41.689269
• Title: Understanding Revision Behavior in Adaptive Writing Support Systems for Education
• Title（参考訳）: 教育用アダプティブライティング支援システムにおけるリビジョン行動の理解
• Authors: Luca Mouchel, Thiemo Wambsganss, Paola Mejia-Domenzain and Tanja K\"aser
• Abstract要約: 本稿では,学生の大規模改定行動に関する知見を取り入れた新しいパイプラインを提案する。 このツールは,学習者のリビジョンを促進するのに有効であった。 本研究は,タスク記述におけるSRLの挙動を大規模に測定するためのパイプラインに寄与する。
• 参考スコア（独自算出の注目度）: 10.080007569933331
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Revision behavior in adaptive writing support systems is an important and relatively new area of research that can improve the design and effectiveness of these tools, and promote students' self-regulated learning (SRL). Understanding how these tools are used is key to improving them to better support learners in their writing and learning processes. In this paper, we present a novel pipeline with insights into the revision behavior of students at scale. We leverage a data set of two groups using an adaptive writing support tool in an educational setting. With our novel pipeline, we show that the tool was effective in promoting revision among the learners. Depending on the writing feedback, we were able to analyze different strategies of learners when revising their texts, we found that users of the exemplary case improved over time and that females tend to be more efficient. Our research contributes a pipeline for measuring SRL behaviors at scale in writing tasks (i.e., engagement or revision behavior) and informs the design of future adaptive writing support systems for education, with the goal of enhancing their effectiveness in supporting student writing. The source code is available at https://github.com/lucamouchel/Understanding-Revision-Behavior.
• Abstract（参考訳）: 適応書記支援システムにおける改訂行動は、これらのツールの設計と効果を改善し、学生の自己統制学習(SRL)を促進することができる重要かつ比較的新しい研究分野である。 これらのツールの使い方を理解することが、学習者の書き方や学習プロセスを支援するための鍵となる。 本稿では,学生の大規模なリビジョン行動に関する洞察を得た,新しいパイプラインを提案する。 教育環境では,適応的な筆記支援ツールを用いて2つのグループのデータセットを活用する。 そこで本研究では,本ツールが学習者間のリビジョンの促進に有効であることを示す。 筆者らは,文章の書き直し時に学習者の異なる戦略を分析した結果,模範事例の利用者は時間とともに改善し,女性はより効率的であることが判明した。 本研究は,srlの大規模行動計測のためのパイプライン(例えば,就業行動やリビジョン行動)に寄与し,学生の筆記支援における効果を高めることを目的として,教育用適応書字支援システムの設計を知らせる。 ソースコードはhttps://github.com/lucamouchel/understanding-revision-behaviorで入手できる。

関連論文リスト

• Tool Learning with Large Language Models: A Survey [60.733557487886635]
  大規模言語モデル(LLM)を用いたツール学習は,高度に複雑な問題に対処するLLMの能力を強化するための,有望なパラダイムとして登場した。 この分野での注目と急速な進歩にもかかわらず、現存する文献は断片化され、体系的な組織が欠如している。
  論文  参考訳（メタデータ） (2024-05-28T08:01:26Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  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)
• In-Memory Learning: A Declarative Learning Framework for Large Language Models [56.62616975119192]
  本研究では,人間ラベルデータに頼らずにエージェントが環境に整合できる新しい学習フレームワークを提案する。 このプロセス全体がメモリコンポーネント内で変換され、自然言語で実装される。 フレームワークの有効性を実証し、この問題に対する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-05T08:25:11Z)
• 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)
• 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)
• Generating Language Corrections for Teaching Physical Control Tasks [21.186109830294072]
  CORGIは、物理制御タスクのための言語修正を生成するために訓練されたモデルである。 CORGIは(i)新しい学生軌跡に対する有効なフィードバックを生成でき、(ii)新しい制御ダイナミクスを持つドメインのベースラインを上回り、(iii)インタラクティブな描画タスクにおける生徒の学習を改善することができることを示す。
  論文  参考訳（メタデータ） (2023-06-12T10:31:16Z)
• TEMPERA: Test-Time Prompting via Reinforcement Learning [57.48657629588436]
  強化学習(TEMPERA)を用いたテスト時間プロンプト編集を提案する。 従来のプロンプト生成手法とは対照的に、TEMPERAは事前知識を効率的に活用することができる。 本手法は従来の微調整法と比較して試料効率の平均改善率を5.33倍に向上させる。
  論文  参考訳（メタデータ） (2022-11-21T22:38:20Z)
• ArgRewrite V.2: an Annotated Argumentative Revisions Corpus [10.65107335326471]
  ArgRewrite V.2は2サイクルのリビジョンから収集された注釈付き議論的リビジョンのコーパスであり、自動運転車に関する議論的エッセイである。 ArgRewriteのさまざまなリビジョン単位の範囲と目的の粒度レベルは、新しいタイプのメタデータを含むとともに、リビジョン分析を含む研究やアプリケーションに有用なリソースとなります。
  論文  参考訳（メタデータ） (2022-06-03T16:40:51Z)
• Analyzing Adaptive Scaffolds that Help Students Develop Self-Regulated Learning Behaviors [6.075903612065429]
  本稿では,Betty's Brainにおける適応的足場構築のための体系的枠組みを提案する。 学生は仮想エージェントを教えるために因果モデルを構築し、一般にベティと名付けられた。 適応的な足場が生徒の学習行動やパフォーマンスに与える影響を分析する。
  論文  参考訳（メタデータ） (2022-02-20T00:02:31Z)
• Open Source Software for Efficient and Transparent Reviews [0.11179881480027788]
  ASReviewはオープンソースの機械学習支援パイプラインで、アクティブラーニングを適用している。 シミュレーションにより,ASReviewは手作業によるレビューよりもはるかに効率的なレビューを実現することができることを示す。
  論文  参考訳（メタデータ） (2020-06-22T11:57:10Z)

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。