論文の概要: MOON: Assisting Students in Completing Educational Notebook Scenarios
- arxiv url: http://arxiv.org/abs/2309.16201v1
- Date: Thu, 28 Sep 2023 06:49:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-29 15:48:35.357188
- Title: MOON: Assisting Students in Completing Educational Notebook Scenarios
- Title（参考訳）: MOON:教育ノートのシナリオを補完する学生を支援する
- Authors: Christophe Casseau (LaBRI), Jean-R\'emy Falleri (LaBRI, IUF), Thomas
Degueule (LaBRI), Xavier Blanc (LaBRI)
- Abstract要約: ノートブックには、テキストの説明、マルチメディアコンテンツ、実行可能コードなど、多くの魅力的な機能がある。
この実行モデルは、生徒が教師の意図した実行順序に従わなければ、すぐに問題となる。
この問題の解決を目的とした新しいアプローチMOONを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Jupyter notebooks are increasingly being adopted by teachers to deliver
interactive practical sessions to their students. Notebooks come with many
attractive features, such as the ability to combine textual explanations,
multimedia content, and executable code alongside a flexible execution model
which encourages experimentation and exploration. However, this execution model
can quickly become an issue when students do not follow the intended execution
order of the teacher, leading to errors or misleading results that hinder their
learning. To counter this adverse effect, teachers usually write detailed
instructions about how students are expected to use the notebooks. Yet, the use
of digital media is known to decrease reading efficiency and compliance with
written instructions, resulting in frequent notebook misuse and students
getting lost during practical sessions. In this article, we present a novel
approach, MOON, designed to remedy this problem. The central idea is to provide
teachers with a language that enables them to formalize the expected usage of
their notebooks in the form of a script and to interpret this script to guide
students with visual indications in real time while they interact with the
notebooks. We evaluate our approach using a randomized controlled experiment
involving 21 students, which shows that MOON helps students comply better with
the intended scenario without hindering their ability to progress. Our
follow-up user study shows that about 75% of the surveyed students perceived
MOON as rather useful or very useful.
- Abstract（参考訳）: jupyterノートブックは、教師が生徒にインタラクティブな実践セッションを提供するために、ますます採用されている。
ノートブックには、テキストの説明、マルチメディアコンテンツ、実行可能なコードを、実験と探索を促進する柔軟な実行モデルと組み合わせる機能など、多くの魅力的な機能がある。
しかし、この実行モデルは、生徒が教師の意図した実行順序に従わなければすぐに問題となり、学習を妨げる誤りや誤解を招く結果につながる可能性がある。
この悪影響に対処するため、教師は通常、生徒がノートの使い方について詳細な説明を書く。
しかし、デジタルメディアの利用は読書の効率を低下させ、文章による指示に準拠していることが知られており、ノートの誤用が頻発し、実践セッション中に学生が迷子になってしまう。
本稿では,この問題を解決すべく設計された新しいアプローチであるmoonを提案する。
中心となる考え方は、教師にスクリプトの形でノートブックの期待される使用を形式化し、このスクリプトを解釈して、ノートブックと対話しながらリアルタイムで視覚的な表示を学生に案内する言語を提供することである。
提案手法は,21人の学生を対象としたランダム化制御実験を用いて評価し,MOONが学生が意図したシナリオに順応するのに役立つことを示す。
追跡調査の結果,調査対象学生の約75%がMOONを有用あるいは有用とみなしていることがわかった。
関連論文リスト
- Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
我々は,機械教育の知見と実践的なコミュニケーションを,表現的アライメントに関する文献と統合する。
教師の精度から表現的アライメントを遠ざける教師付き学習環境を設計する。
論文 参考訳（メタデータ） (2024-06-06T17:48:24Z) - Toward In-Context Teaching: Adapting Examples to Students' Misconceptions [54.82965010592045]
本稿ではAdapTと呼ばれる一連のモデルと評価手法を紹介する。
AToMは、学生の過去の信念を共同で推論し、将来の信念の正しさを最適化する適応教育の新しい確率論的モデルである。
本研究は,適応型学習課題の難しさと,それを解決するための学習適応モデルの可能性を両立させるものである。
論文 参考訳（メタデータ） (2024-05-07T17:05:27Z) - 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) - Measuring Five Accountable Talk Moves to Improve Instruction at Scale [1.4549461207028445]
説明可能な会話理論にインスパイアされた5つの指導的話の動きを識別するモデルを微調整する。
学習者のエンゲージメントと満足度を指標として,各講演の動きのインストラクターの使い方を関連づける。
これらの結果は、説明可能な話し方の有効性に関する過去の研究を裏付けるものである。
論文 参考訳（メタデータ） (2023-11-02T03:04:50Z) - CodeHelp: Using Large Language Models with Guardrails for Scalable
Support in Programming Classes [2.5949084781328744]
大規模言語モデル(LLM)が最近登場し、大規模なオンデマンドヘルプの提供を約束している。
CodeHelpは、ガードレールで設計された新しいLLMツールで、直接ソリューションを公開することなく、プログラミングの学生にオンデマンドで支援を提供する。
以上の結果から,CodeHelpは特に有効性を高く評価し,誤りの解消に寄与する学生に好意的に受け入れられていることが示唆された。
論文 参考訳（メタデータ） (2023-08-14T03:52:24Z) - Large Language Model-based System to Provide Immediate Feedback to
Students in Flipped Classroom Preparation Learning [0.0]
本研究の目的は、学生が感情的に関与し、学習意欲を持つことを保証することなど、フリップ型教室モデルにおける課題を解決することである。
学生は授業準備中に講義ビデオの内容について質問することが多いが、すぐに答えることは困難である。
実戦で使用されている準備学習のためのビデオ視聴支援システムとして,ChatGPT APIを用いたシステムを開発した。
論文 参考訳（メタデータ） (2023-07-21T06:59:53Z) - Can Language Models Teach Weaker Agents? Teacher Explanations Improve
Students via Personalization [84.86241161706911]
教師のLLMは、実際に生徒の推論に介入し、パフォーマンスを向上させることができることを示す。
また,マルチターンインタラクションでは,教師による説明が一般化され,説明データから学習されることを示す。
教師のミスアライメントが学生の成績をランダムな確率に低下させることを、意図的に誤解させることで検証する。
論文 参考訳（メタデータ） (2023-06-15T17:27:20Z) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - A literature survey on student feedback assessment tools and their usage
in sentiment analysis [0.0]
我々は,Kahoot!, Mentimeter, Padlet, pollingなどのクラス内フィードバック評価手法の有効性を評価する。
学生の質的なフィードバックコメントから明確な提案を抽出する感情分析モデルを提案する。
論文 参考訳（メタデータ） (2021-09-09T06:56:30Z) - Annotation Curricula to Implicitly Train Non-Expert Annotators [56.67768938052715]
自発的な研究は、しばしば、アノテータがタスク、そのアノテーションスキーム、およびデータドメインに精通することを要求する。
これは最初は圧倒的であり、精神的に課税され、結果として生じるアノテーションにエラーを誘導する。
暗黙的にアノテータを訓練する新しい手法であるアノテーションキュリキュラを提案する。
論文 参考訳（メタデータ） (2021-06-04T09:48:28Z) - The Wits Intelligent Teaching System: Detecting Student Engagement
During Lectures Using Convolutional Neural Networks [0.30458514384586394]
Wits Intelligent Teaching System (WITS) は、学生の感情に関するリアルタイムフィードバックを講師に支援することを目的としている。
AlexNetベースのCNNはトレーニングが成功し、Support Vector Machineアプローチを大きく上回っている。
論文 参考訳（メタデータ） (2021-05-28T12:59:37Z)
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。