Fugu-MT 論文翻訳(概要): Future-proofing Education: A Prototype for Simulating Oral Examinations Using Large Language Models

論文の概要: Future-proofing Education: A Prototype for Simulating Oral Examinations Using Large Language Models

arxiv url: http://arxiv.org/abs/2401.06160v1
Date: Fri, 22 Dec 2023 10:41:32 GMT
ステータス: 処理完了
システム内更新日: 2024-01-22 12:50:51.641895
Title: Future-proofing Education: A Prototype for Simulating Oral Examinations Using Large Language Models
Title（参考訳）: 未来保護教育:大規模言語モデルを用いた口腔検査シミュレーションのためのプロトタイプ
Authors: Andr\'e Nitze
Abstract要約: 本研究は,プロトタイプを用いた口腔自動検査シミュレーションに焦点を当てた。プロトタイプは、口腔検査のシミュレーション、パーソナライズされたフィードバックの提供、教育者のワークロードの合理化に有効であることが判明した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This study explores the impact of Large Language Models (LLMs) in higher education, focusing on an automated oral examination simulation using a prototype. The design considerations of the prototype are described, and the system is evaluated with a select group of educators and students. Technical and pedagogical observations are discussed. The prototype proved to be effective in simulating oral exams, providing personalized feedback, and streamlining educators' workloads. The promising results of the prototype show the potential for LLMs in democratizing education, inclusion of diverse student populations, and improvement of teaching quality and efficiency.
Abstract（参考訳）: 本研究は,高等教育における大規模言語モデル(llm)の効果について検討し,プロトタイプを用いた自動口腔検査シミュレーションに焦点をあてた。プロトタイプの設計上の留意点を述べるとともに, 教育者, 学生の中から選択したグループで評価した。技術的および教育的観察について考察する。プロトタイプは、口腔検査のシミュレーション、パーソナライズされたフィードバックの提供、教育者のワークロードの合理化に有効であることが判明した。このプロトタイプの有望な成果は、教育の民主化、多様な学生の参加、教育の質と効率の向上におけるllmの可能性を示している。

関連論文リスト

Automated Feedback in Math Education: A Comparative Analysis of LLMs for Open-Ended Responses [0.0]
本研究では,大規模言語モデル(LLM)が数学教育における自動フィードバックを促進する可能性を探究することを目的とする。我々は,Llamaの数学版であるMistralを採用し,このモデルを用いて,中学校数学問題に対する生徒の回答と教師によるフィードバックのデータセットを活用することによって,学生の反応を評価する。 2人の教師の判断を生かして,評価精度とフィードバックの質を評価する。
論文参考訳（メタデータ） (2024-10-29T16:57:45Z)
Evaluating Alternative Training Interventions Using Personalized Computational Models of Learning [0.0]
最高の学習成果を生み出すための異なるトレーニング介入を評価することは、インストラクショナルデザイナーが直面する主な課題の1つです。モデルを自動的に特定の個人に調整するアプローチを提案し、パーソナライズされたモデルが、一般的なモデルよりも生徒の行動をより良く予測することを示す。我々のアプローチでは、過去の人間の発見と一致した予測と、将来の人間の実験で評価される可能性のある検証可能な予測を行う。
論文参考訳（メタデータ） (2024-08-24T22:51:57Z)
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)
Prototype-based Interpretable Breast Cancer Prediction Models: Analysis and Challenges [2.2194851850560715]
乳がん予測におけるPEF-Cの有用性について,マンモグラフィーを用いて検討した。マンモグラフィーを用いた乳がん予測のプロトタイプベースモデルに関する既存の研究は,プロトタイプベースモデルの分類性能の向上に重点を置いている。 PEF-Cを用いたマンモグラフィーの試作機の品質評価を初めて行った。
論文参考訳（メタデータ） (2024-03-29T16:08:59Z)
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)
Assessing the efficacy of large language models in generating accurate teacher responses [0.5774786149181391]
本研究は,学生に情報的かつ有用な洞察を提供するために,大規模言語モデルの生成能力を評価することを目的とする。 GPT-4 (few-shot, in-context learning), fine-tuned GPT-2, fine-tuned DialoGPT。教師・学生チャットルームにおける実験結果から, BERTScore と DialogRPT を用いて測定した他の微調整モデルに対する GPT-4 の有効性が示唆された。
論文参考訳（メタデータ） (2023-07-09T22:32:46Z)
Large Language Models in the Workplace: A Case Study on Prompt Engineering for Job Type Classification [58.720142291102135]
本研究では,実環境における職種分類の課題について検討する。目標は、英語の求職が卒業生やエントリーレベルの地位に適切かどうかを判断することである。
論文参考訳（メタデータ） (2023-03-13T14:09:53Z)
Explain, Edit, and Understand: Rethinking User Study Design for Evaluating Model Explanations [97.91630330328815]
我々はクラウドソーシング研究を行い、真偽のホテルレビューと偽のホテルレビューを区別するために訓練された詐欺検出モデルと対話する。単語の線形バッグモデルでは、トレーニング中に特徴係数にアクセスした参加者は、非説明制御と比較して、テストフェーズにおいてモデルの信頼性が大幅に低下する可能性があることを観察する。
論文参考訳（メタデータ） (2021-12-17T18:29:56Z)
Empowering Language Understanding with Counterfactual Reasoning [141.48592718583245]
本稿では,反現実的思考を模倣した反現実的推論モデルを提案する。特に,各実例に対して代表的対実サンプルを生成する生成モジュールを考案し,その対実サンプルと実例サンプルを比較してモデル予測を振り返るレトロスペクティブモジュールを考案した。
論文参考訳（メタデータ） (2021-06-06T06:36:52Z)
A Systematic Assessment of Deep Learning Models for Molecule Generation [70.59828655929194]
薬物発見のための生成モデル評価のための広範囲なテストベッドを提案する。文献で提案した多くのモデルから得られた結果について述べる。
論文参考訳（メタデータ） (2020-08-20T19:13:31Z)
Learning to Compare for Better Training and Evaluation of Open Domain Natural Language Generation Models [23.62054164511058]
そこで本研究では,文のペアを細調整して比較することで,自然言語生成モデルを評価することを提案する。完全に自己管理された方法でトレーニングできる一方で、人間の好みのアノテーションを少しだけ含んだモデルをさらに微調整することが可能です。
論文参考訳（メタデータ） (2020-02-12T15:52:21Z)

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。