論文の概要: Learning from Teaching Assistants to Program with Subgoals: Exploring
the Potential for AI Teaching Assistants
- arxiv url: http://arxiv.org/abs/2309.10419v1
- Date: Tue, 19 Sep 2023 08:30:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 15:33:10.701035
- Title: Learning from Teaching Assistants to Program with Subgoals: Exploring
the Potential for AI Teaching Assistants
- Title（参考訳）: サブゴールでプログラムするアシスタントから学ぶ:AI指導アシスタントの可能性を探る
- Authors: Changyoon Lee, Junho Myung, Jieun Han, Jiho Jin and Alice Oh
- Abstract要約: 本研究では,プログラミング教育における生成AIをTAとして活用する実践性について,初心者の学習者によるTAとのインタラクションをサブゴナル学習環境において検証することによって検討する。
我々の研究は、AI TAで同等のスコアで、学習者がより高速にタスクを解くことができることを示している。
チャットログ分析の結果から,プログラミング教育において生成AIをTAとして設計し,活用するためのガイドラインを提案する。
- 参考スコア（独自算出の注目度）: 18.14390906820148
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: With recent advances in generative AI, conversational models like ChatGPT
have become feasible candidates for TAs. We investigate the practicality of
using generative AI as TAs in introductory programming education by examining
novice learners' interaction with TAs in a subgoal learning environment. To
compare the learners' interaction and perception of the AI and human TAs, we
conducted a between-subject study with 20 novice programming learners. Learners
solve programming tasks by producing subgoals and subsolutions with the
guidance of a TA. Our study shows that learners can solve tasks faster with
comparable scores with AI TAs. Learners' perception of the AI TA is on par with
that of human TAs in terms of speed and comprehensiveness of the replies and
helpfulness, difficulty, and satisfaction of the conversation. Finally, we
suggest guidelines to better design and utilize generative AI as TAs in
programming education from the result of our chat log analysis.
- Abstract（参考訳）: 生成AIの最近の進歩により、ChatGPTのような会話モデルがTAの候補となりつつある。
本研究では,初級学習者のTAとのインタラクションをサブゴール学習環境において検証し,生成AIをTAとして活用することの実践性を検討した。
学習者のaiと人間のtasの相互作用と知覚を比較するために,20人の初心者プログラミング学習者との対話実験を行った。
学習者はTAの指導でサブゴールとサブソリューションを生成することでプログラミングタスクを解く。
我々の研究は、AI TAで同等のスコアで学習者がタスクを素早く解けることを示した。
学習者のAI TAに対する認識は、回答のスピードと包括性、有用性、難易度、会話の満足度の観点から、人間のTAと同等である。
最後に,チャットログ分析の結果から,生成型aiをプログラミング教育のtasとしてよりよい設計と活用のためのガイドラインを提案する。
関連論文リスト
- Let people fail! Exploring the influence of explainable virtual and robotic agents in learning-by-doing tasks [45.23431596135002]
本研究は,古典的対パートナー意識による説明が学習作業中の人間の行動とパフォーマンスに与える影響を比較検討した。
その結果, パートナー意識による説明は, 関係する人工エージェントの種類によって, 参加者に異なる影響を及ぼした。
論文 参考訳（メタデータ） (2024-11-15T13:22:04Z) - Utilizing ChatGPT in a Data Structures and Algorithms Course: A Teaching Assistant's Perspective [1.0650780147044159]
この研究は、データ構造とアルゴリズム(DSA)コースにおけるChatGPTの使用について、特にTAの監督と組み合わせて検討している。
その結果,ChatGPTを構造化プロンプトとアクティブTAガイダンスに組み込むことで,複雑なアルゴリズム概念の理解,エンゲージメントの向上,学業成績の向上が図られた。
この研究は、学生がAI生成コンテンツへの依存を減らし、全体的な教育的影響を増幅する上で、活発なTA関与の重要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2024-10-11T15:18:48Z) - A Multi-Year Grey Literature Review on AI-assisted Test Automation [46.97326049485643]
テスト自動化(TA)技術は、ソフトウェア工学の品質保証に不可欠である。
TAテクニックは、高いテストスイートのメンテナンスコストや広範なプログラミングスキルの必要性といった制限に直面している。
人工知能(AI)は、自動化と改善されたプラクティスを通じて、これらの問題に対処する新たな機会を提供する。
論文 参考訳（メタデータ） (2024-08-12T15:26:36Z) - AI-Tutoring in Software Engineering Education [0.7631288333466648]
我々は,GPT-3.5-TurboモデルをAI-TutorとしてAPASアルテミスに組み込むことで,探索的なケーススタディを行った。
この発見は、タイムリーなフィードバックやスケーラビリティといった利点を浮き彫りにしている。
しかし,AI-Tutor を用いた場合,一般的な応答や学習進行抑制に対する学生の懸念も明らかであった。
論文 参考訳（メタデータ） (2024-04-03T08:15:08Z) - I would love this to be like an assistant, not the teacher: a voice of the customer perspective of what distance learning students want from an Artificial Intelligence Digital Assistant [0.0]
本研究では,仮想AIデジタルアシスタント(AIDA)の設計に関する10人のオンライン・遠隔学習学生の認識について検討した。
参加者全員が、リアルタイムのアシストとクエリの解決、学術的なタスクのサポート、パーソナライゼーションとアクセシビリティのサポート、そして感情的および社会的サポートにAIツールを使用することのメリットを研究し、報告しながら、そのようなAIツールの有用性について同意した。
学生の懸念は、AIDA、データプライバシとデータ利用、運用上の課題、学術的完全性と誤用、教育の将来に関する倫理的・社会的意味に関するものである。
論文 参考訳（メタデータ） (2024-02-16T08:10:41Z) - AI for non-programmers: Applied AI in the lectures for students without programming skills [0.0]
この研究は、応用AIのための実践的な計画スクリプトを提示する。
ドキュメント計画スクリプトは、AIアプリケーションパイプラインに基づいて、AIの概念と研究関連トピックをリンクする。
エネルギー管理の修士課程の講義シリーズは、AIを規律固有の講義にシームレスに統合する方法を示している。
論文 参考訳（メタデータ） (2024-02-06T17:26:24Z) - YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - Human Decision Makings on Curriculum Reinforcement Learning with
Difficulty Adjustment [52.07473934146584]
我々は,カリキュラム強化学習結果を,人的意思決定プロセスから学ぶことで,難しすぎず,難しすぎるような望ましいパフォーマンスレベルに導く。
本システムは非常に並列化可能であり,大規模強化学習アプリケーションの訓練が可能となる。
強化学習性能は、人間の所望の難易度と同期してうまく調整できることが示される。
論文 参考訳（メタデータ） (2022-08-04T23:53:51Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳（メタデータ） (2021-07-05T12:18:17Z) - Explainable Active Learning (XAL): An Empirical Study of How Local
Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。
本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文 参考訳（メタデータ） (2020-01-24T22:52:18Z)
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。