論文の概要: Are LLMs Useful in the Poorest Schools? TheTeacher.AI in Sierra Leone
- arxiv url: http://arxiv.org/abs/2310.02982v2
- Date: Thu, 1 Feb 2024 14:36:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 18:59:03.688107
- Title: Are LLMs Useful in the Poorest Schools? TheTeacher.AI in Sierra Leone
- Title(参考訳): LLMは最貧の学校で有効か?
シエラレオネのtheteacher.ai
- Authors: Jun Ho Choi, Oliver Garrod, Paul Atherton, Andrew Joyce-Gibbons,
Miriam Mason-Sesay, Daniel Bj\"orkegren
- Abstract要約: そこで本研究では,シエラレオネの教師が専門的な開発を行い,指導を改善するためのAIボットを提案する。
小学校122校,教員193校での初期実施から得られた初期知見を概説し,定性的な観察とクエリ分析により分析した。
- 参考スコア(独自算出の注目度): 3.7548091790522915
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Education systems in developing countries have few resources to serve large,
poor populations. How might generative AI integrate into classrooms? This paper
introduces an AI chatbot designed to assist teachers in Sierra Leone with
professional development to improve their instruction. We describe initial
findings from early implementation across 122 schools and 193 teachers, and
analyze its use with qualitative observations and by analyzing queries.
Teachers use the system for lesson planning, classroom management, and subject
matter. Usage is sustained over the school year, and a subset of teachers use
the system more regularly. We draw conclusions from these findings about how
generative AI systems can be integrated into school systems in low income
countries.
- Abstract(参考訳): 発展途上国の教育システムは、大きく貧しい人口に奉仕する資源がほとんどない。
生成AIはどのように教室に統合されるのか?
本稿では,シエラレオネの教師が専門的な開発を行い,指導を改善するためのAIチャットボットを提案する。
122の学校と193の教師を対象に,初期実施から得られた知見を質的観察と質問分析により分析した。
教師はこのシステムを授業計画、教室の管理、主題に使っている。
学年を通じて使用が継続され、一部の教師はより定期的にこのシステムを使用している。
低所得国の学校システムに生成AIシステムを組み込む方法について,これらの知見から結論を導いた。
関連論文リスト
- DMP_AI: An AI-Aided K-12 System for Teaching and Learning in Diverse Schools [7.618511269608216]
K-12教育における人工知能(AI)の利用は、まだ初期段階にある。
本システムの開発は,ユーザのプライバシを優先しながら慎重に行われている。
このシステムは、効果的かつ包括的なK-12教育を提供するための教育者を支援するための貴重なリソースとして機能する。
論文 参考訳(メタデータ) (2024-12-04T13:10:14Z) - Embracing AI in Education: Understanding the Surge in Large Language Model Use by Secondary Students [53.20318273452059]
OpenAIのChatGPTのような大規模言語モデル(LLM)は、新しい教育の道を開いた。
学校制限にもかかわらず,中高生300人以上を対象に調査を行ったところ,学生の70%がLDMを利用していることがわかった。
我々は、対象特化モデル、パーソナライズドラーニング、AI教室など、このような問題に対処するいくつかのアイデアを提案する。
論文 参考訳(メタデータ) (2024-11-27T19:19:34Z) - Human-Centric eXplainable AI in Education [0.0]
本稿では,教育現場における人間中心型eXplainable AI(HCXAI)について検討する。
学習成果の向上、ユーザ間の信頼の向上、AI駆動ツールの透明性確保における役割を強調している。
ユーザ理解とエンゲージメントを優先するHCXAIシステムの開発のための包括的なフレームワークを概説する。
論文 参考訳(メタデータ) (2024-10-18T14:02:47Z) - From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳(メタデータ) (2024-09-05T13:22:51Z) - PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。
本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
論文 参考訳(メタデータ) (2023-07-10T11:05:51Z) - Critical Appraisal of Artificial Intelligence-Mediated Communication [0.0]
この本は、言語教育におけるAIによるコミュニケーションの長所と短所について考察する。
言語教師がCALLの教師教育と専門的開発に従事して、進化を続けるテクノロジーの展望に追随し、その教育効果を向上させることが不可欠である、と論じている。
論文 参考訳(メタデータ) (2023-05-15T02:35:40Z) - Iterative Teacher-Aware Learning [136.05341445369265]
人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。
本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
論文 参考訳(メタデータ) (2021-10-01T00:27:47Z) - Creation and Evaluation of a Pre-tertiary Artificial Intelligence (AI)
Curriculum [58.86139968005518]
香港大学(CUHK)-Jockey Club AI for the Future Project(AI4Future)は、第3次教育のためのAIカリキュラムを共同開発した。
工学と教育を専門とする14人の教授が、6つの中学校の17の校長と教師と協力してカリキュラムを共同作成した。
共同創造プロセスは、AIにおける教師の知識を高める様々なリソースを生み出し、その課題を教室に持ち込むための教師の自主性を育んだ。
論文 参考訳(メタデータ) (2021-01-19T11:26:19Z) - Using Data Analytics to predict students score [0.0]
科学、技術、工学、数学(STEM)の強力な基盤は、過去50年間シンガポールの発展を支えてきた。
本稿では,2012年と2015年のPISAデータを用いて,学生のスコアを予測する機械学習手法を開発した。
得られた洞察は、政策定式化に有用な教育の新しい視点を持つのに有用である。
論文 参考訳(メタデータ) (2020-11-19T13:04:55Z) - 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。