論文の概要: Lessons Learned from Designing an Open-Source Automated Feedback System
for STEM Education
- arxiv url: http://arxiv.org/abs/2401.10531v1
- Date: Fri, 19 Jan 2024 07:13:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 16:46:34.553137
- Title: Lessons Learned from Designing an Open-Source Automated Feedback System
for STEM Education
- Title（参考訳）: STEM教育のためのオープンソース自動フィードバックシステムの設計から学んだ教訓
- Authors: Steffen Steinert, Lars Krupp, Karina E. Avila, Anke S. Janssen, Verena
Ruf, David Dzsotjan, Christian De Schryver, Jakob Karolus, Stefan Ruzika,
Karen Joisten, Paul Lukowicz, Jochen Kuhn, Norbert Wehn, Stefan K\"uchemann
- Abstract要約: RATsAppはオープンソースの自動フィードバックシステム(AFS)で、フォーマティブフィードバックなどの研究ベースの機能を組み込んでいる。
このシステムは、数学的能力、表現能力、データリテラシーなどの中核的なSTEM能力に焦点を当てている。
オープンソースプラットフォームであるRATsAppは、継続的な開発へのパブリックコントリビューションを奨励し、教育ツールを改善するための共同アプローチを促進する。
- 参考スコア（独自算出の注目度）: 5.326069675013602
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As distance learning becomes increasingly important and artificial
intelligence tools continue to advance, automated systems for individual
learning have attracted significant attention. However, the scarcity of
open-source online tools that are capable of providing personalized feedback
has restricted the widespread implementation of research-based feedback
systems. In this work, we present RATsApp, an open-source automated feedback
system (AFS) that incorporates research-based features such as formative
feedback. The system focuses on core STEM competencies such as mathematical
competence, representational competence, and data literacy. It also allows
lecturers to monitor students' progress. We conducted a survey based on the
technology acceptance model (TAM2) among a set of students (N=64). Our findings
confirm the applicability of the TAM2 framework, revealing that factors such as
the relevance of the studies, output quality, and ease of use significantly
influence the perceived usefulness. We also found a linear relation between the
perceived usefulness and the intention to use, which in turn is a significant
predictor of the frequency of use. Moreover, the formative feedback feature of
RATsApp received positive feedback, indicating its potential as an educational
tool. Furthermore, as an open-source platform, RATsApp encourages public
contributions to its ongoing development, fostering a collaborative approach to
improve educational tools.
- Abstract（参考訳）: 遠隔学習がますます重要になり、人工知能ツールが進歩を続けるにつれ、個人学習のための自動化システムが注目されている。
しかし、パーソナライズされたフィードバックを提供するオープンソースオンラインツールの不足により、研究ベースのフィードバックシステムの広範な実装が制限された。
本稿では,書式フィードバックなどの研究ベースの機能を組み込んだオープンソース自動フィードバックシステム(AFS)であるRATsAppを紹介する。
このシステムは、数学的能力、表現能力、データリテラシーなどの中核的なSTEM能力に焦点を当てている。
また、講師が生徒の進捗を監視することもできる。
本研究は,一組の学生(n=64)を対象に,技術受容モデル(tam2)に基づく調査を行った。
その結果,TAM2フレームワークの適用性を確認し,研究の妥当性,出力品質,使いやすさなどの要因が有用性に大きく影響していることが判明した。
また,認識された有用性と使用意図の線形関係も見出され,これは使用頻度の有意な予測因子となった。
さらに, RATsAppの形式的フィードバック機能は, 教育ツールとしての可能性を示す肯定的なフィードバックを受けた。
さらに、オープンソースのプラットフォームとして、RATsAppは継続的な開発へのパブリックコントリビューションを奨励し、教育ツールを改善するための共同アプローチを促進している。
関連論文リスト
- KBAlign: Efficient Self Adaptation on Specific Knowledge Bases [75.78948575957081]
大規模言語モデル(LLM)は通常、知識材料を瞬時に活用するために、検索強化世代に依存している。
本稿では,知識ベースを含む下流タスクへの効率的な適応を目的としたKBAlignを提案する。
提案手法は,Q&Aペアやリビジョン提案などの自己注釈付きデータを用いて反復学習を行い,モデルが知識内容を効率的に把握できるようにする。
論文 参考訳（メタデータ） (2024-11-22T08:21:03Z) - Personalised Feedback Framework for Online Education Programmes Using Generative AI [0.0]
本稿では,埋め込みを組み込むことでChatGPTの機能を拡張したフィードバックフレームワークを提案する。
本研究の一環として,オープンエンドおよび複数選択質問に対する有効率90%と100%を達成できる概念解の証明を提案し,開発した。
論文 参考訳（メタデータ） (2024-10-14T22:35:40Z) - AERA Chat: An Interactive Platform for Automated Explainable Student Answer Assessment [12.970776782360366]
AERA Chatは、学生の回答の視覚的に説明された評価を提供するインタラクティブなプラットフォームである。
ユーザーは質問や学生の回答を入力して、大規模言語モデルから自動で説明可能な評価結果を得ることができる。
論文 参考訳（メタデータ） (2024-10-12T11:57:53Z) - Improving the Validity of Automatically Generated Feedback via
Reinforcement Learning [50.067342343957876]
強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。
具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
論文 参考訳（メタデータ） (2024-03-02T20:25:50Z) - Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。
GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。
PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-03T12:37:16Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - A Domain-Agnostic Approach for Characterization of Lifelong Learning
Systems [128.63953314853327]
「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。
この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
論文 参考訳（メタデータ） (2023-01-18T21:58:54Z) - Application of Deep Self-Attention in Knowledge Tracing [2.5852720579998336]
本稿では,中国の多くの大学の学生が使用しているオンラインアセスメントシステムであるPTAのデータをもとに,Deep Self-Attentive Knowledge Tracing (DSAKT)を提案する。
PTAのデータの実験では、DSAKTは知識追跡において他のモデルよりも2.1%向上している。
論文 参考訳（メタデータ） (2021-05-17T14:45:38Z) - Automated Personalized Feedback Improves Learning Gains in an
Intelligent Tutoring System [34.19909376464836]
大規模知的学習システム(ITS)における自動的、データ駆動型、パーソナライズされたフィードバックが、学生の学習結果をいかに改善するかを検討する。
本稿では,個別の学生のニーズを考慮に入れたパーソナライズされたフィードバックを生成する機械学習手法を提案する。
我々は、最先端の機械学習と自然言語処理技術を利用して、学生にパーソナライズされたヒント、ウィキペディアに基づく説明、数学的ヒントを提供する。
論文 参考訳（メタデータ） (2020-05-05T18:30:08Z) - Knowledge-guided Deep Reinforcement Learning for Interactive
Recommendation [49.32287384774351]
インタラクティブレコメンデーションは、アイテムとユーザ間の動的インタラクションから学び、応答性と精度を達成することを目的としている。
本稿では,知識指導型深層強化学習を提案する。
論文 参考訳（メタデータ） (2020-04-17T05:26:47Z)
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。