論文の概要: Patterns of Student Help-Seeking When Using a Large Language Model-Powered Programming Assistant

• arxiv url: http://arxiv.org/abs/2310.16984v1
• Date: Wed, 25 Oct 2023 20:36:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-27 23:24:24.330898
• Title: Patterns of Student Help-Seeking When Using a Large Language Model-Powered Programming Assistant
• Title（参考訳）: 大規模言語モデル型プログラミングアシスタントを用いた学生支援探索のパターン
• Authors: Brad Sheese, Mark Liffiton, Jaromir Savelka, Paul Denny
• Abstract要約: 本研究は,オンデマンドプログラミング支援を行う革新的なツールを学生が直接ソリューションを明らかにすることなく活用することを検討する。 私たちは学期を通して2500以上の質問を学生から集めました。 しかし、関連する概念や概念理解の深化のために支援を求める要求は少ない。
• 参考スコア（独自算出の注目度）: 2.5949084781328744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Providing personalized assistance at scale is a long-standing challenge for computing educators, but a new generation of tools powered by large language models (LLMs) offers immense promise. Such tools can, in theory, provide on-demand help in large class settings and be configured with appropriate guardrails to prevent misuse and mitigate common concerns around learner over-reliance. However, the deployment of LLM-powered tools in authentic classroom settings is still rare, and very little is currently known about how students will use them in practice and what type of help they will seek. To address this, we examine students' use of an innovative LLM-powered tool that provides on-demand programming assistance without revealing solutions directly. We deployed the tool for 12 weeks in an introductory computer and data science course ($n = 52$), collecting more than 2,500 queries submitted by students throughout the term. We manually categorized all student queries based on the type of assistance sought, and we automatically analyzed several additional query characteristics. We found that most queries requested immediate help with programming assignments, whereas fewer requests asked for help on related concepts or for deepening conceptual understanding. Furthermore, students often provided minimal information to the tool, suggesting this is an area in which targeted instruction would be beneficial. We also found that students who achieved more success in the course tended to have used the tool more frequently overall. Lessons from this research can be leveraged by programming educators and institutions who plan to augment their teaching with emerging LLM-powered tools.
• Abstract（参考訳）: 大規模にパーソナライズされた支援を提供することは、コンピュータ教育者にとって長年の課題だが、大規模言語モデル(LLM)を利用した新しい世代のツールが大きな可能性を秘めている。 このようなツールは理論上、大規模なクラス設定でオンデマンドのヘルプを提供し、誤用を防止し、学習者の過度な信頼性に関する一般的な懸念を軽減するために適切なガードレールを設定できる。 しかし、実際の教室でllmを利用するツールは、まだまれであり、学生が実際にどのように利用し、どのような助けを求めるかについては、現在ほとんど知られていない。 そこで本研究では,オンデマンドプログラミング支援ツールであるLCMを活用した革新的なツールを,生徒が直接ソリューションを公開せずに利用することを検討する。 私たちはこのツールを入門コンピュータとデータサイエンスのコース(52ドル)に12週間配置し、その期間を通して学生から提出された2500以上の質問を集めました。 支援対象のタイプに基づいて,学生の質問を手動で分類し,いくつかの追加クエリ特性を自動解析した。 また,関連する概念に対する支援や概念理解の深化を求める要求は少ない。 さらに、学生はツールに最小限の情報を提供することが多く、これは対象とする指導が有益であることを示唆している。 また、このコースでより多くの成功をおさめた学生は、ツールを全体としてより頻繁に使う傾向にあった。 この研究から学んだことは、プログラミング教育者や、新しいLLMツールで教えることを計画している機関によって活用することができる。

関連論文リスト

• Learning to Ask: When LLMs Meet Unclear Instruction [49.256630152684764]
  大きな言語モデル(LLM)は、言語スキルだけでは達成不可能なタスクに対処するための外部ツールを活用することができる。 我々は、不完全な命令下でのLLMツールの使用性能を評価し、エラーパターンを分析し、Noisy ToolBenchと呼ばれる挑戦的なツール使用ベンチマークを構築した。 Ask-when-Needed (AwN) という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-31T23:06:12Z)
• What You Need is What You Get: Theory of Mind for an LLM-Based Code Understanding Assistant [0.0]
  開発者のコード理解を支援するために、多くのツールがLLM(Large Language Models)を使用している。 本研究では,LLMをベースとした対話型アシスタントの設計を行った。 コード理解の初心者を支援するためにLLMベースの会話アシスタントを開発したり改善したりしたい研究者やツールビルダーに洞察を提供する。
  論文  参考訳（メタデータ） (2024-08-08T14:08:15Z)
• Chain of Tools: Large Language Model is an Automatic Multi-tool Learner [54.992464510992605]
  Automatic Tool Chain(ATC)は、大規模言語モデル(LLM)がマルチツールユーザとして機能することを可能にするフレームワークである。 次に,ツールの範囲を拡大するために,ブラックボックス探索法を提案する。 包括的な評価のために、ToolFlowという挑戦的なベンチマークを構築しました。
  論文  参考訳（メタデータ） (2024-05-26T11:40:58Z)
• Towards Completeness-Oriented Tool Retrieval for Large Language Models [60.733557487886635]
  現実世界のシステムは多種多様なツールを組み込んでおり、全てのツールを大規模言語モデルに入力することは不可能である。 既存のツール検索手法は主にユーザクエリとツール記述間のセマンティックマッチングに焦点を当てている。 我々は,ユーザクエリとツール記述のセマンティックな類似性だけでなく,ツールの協調的情報も考慮した,新しいモデル診断型協調学習型ツール検索手法であるCOLTを提案する。
  論文  参考訳（メタデータ） (2024-05-25T06:41:23Z)
• Desirable Characteristics for AI Teaching Assistants in Programming Education [2.9131215715703385]
  デジタル教育アシスタントは、即時かつ公平なラウンド・ザ・クロックのサポートを提供する、魅力的でスケーラブルな方法として登場した。 この結果から,学生はこのようなツールを,即時かつ活発な支援を提供する能力に重きを置いていることが明らかとなった。 彼らはまた、学習ジャーニーにおける自律性を維持する機能への強い好意を表明した。
  論文  参考訳（メタデータ） (2024-05-23T05:03:49Z)
• CLOVA: A Closed-Loop Visual Assistant with Tool Usage and Update [69.59482029810198]
  CLOVAは、推論、リフレクション、学習フェーズを含むフレームワーク内で動作するクローズドループビジュアルアシスタントである。 その結果,CLOVAは既存のツール利用手法を5%,知識タグ付けでは10%,画像編集では20%,視覚的質問応答や複数画像推論では5%に上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-12-18T03:34:07Z)
• Next-Step Hint Generation for Introductory Programming Using Large Language Models [0.8002196839441036]
  大きな言語モデルは、質問に答えたり、エッセイを書いたり、プログラミングの練習を解くといったスキルを持っている。 本研究は,LLMが学生に次のステップの自動ヒントを提供することで,プログラミング教育にどう貢献できるかを考察する。
  論文  参考訳（メタデータ） (2023-12-03T17:51:07Z)
• Dcc --help: Generating Context-Aware Compiler Error Explanations with Large Language Models [53.04357141450459]
  dcc --helpはCS1とCS2のコースにデプロイされ、2565人の学生が10週間で64,000回以上このツールを使っている。 LLMが生成した説明は、コンパイル時間の90%と実行時の75%で概念的に正確であるが、コードに解決策を提供しない命令を無視することが多かった。
  論文  参考訳（メタデータ） (2023-08-23T02:36:19Z)
• 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)
• A large language model-assisted education tool to provide feedback on open-ended responses [2.624902795082451]
  本稿では,大規模言語モデル (LLM) をインストラクター定義基準でガイドし,オープンエンド質問に対する応答を自動化するツールを提案する。 本ツールでは,素早いパーソナライズされたフィードバックを提供することで,学生が知識を迅速にテストし,改善すべき領域を特定できる。
  論文  参考訳（メタデータ） (2023-07-25T19:49:55Z)
• Large Language Models as Tool Makers [85.00361145117293]
  我々はLLM A s Tool Makers (LATM) と呼ばれるクローズドループフレームワークを導入する。 ツール作成: 1 つのツール作成: LLM がタスクセットのためのツールを作成するツールメーカとして機能する 2 つのツール使用: 別の LLM がツールユーザとして機能し、ツールメーカが問題解決のために構築したツールを適用する。
  論文  参考訳（メタデータ） (2023-05-26T17:50:11Z)

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。