論文の概要: OpineBot: Class Feedback Reimagined Using a Conversational LLM
- arxiv url: http://arxiv.org/abs/2401.15589v1
- Date: Sun, 28 Jan 2024 07:12:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 17:25:35.544744
- Title: OpineBot: Class Feedback Reimagined Using a Conversational LLM
- Title（参考訳）: OpineBot: 会話型LLMを用いたクラスフィードバック
- Authors: Henansh Tanwar, Kunal Shrivastva, Rahul Singh, Dhruv Kumar
- Abstract要約: OpineBotは、大きな言語モデル(LLM)を使用して、パーソナライズされた対話型クラスフィードバックを実行する新しいシステムである。
インド大学の20人の学生を対象に,OpineBotの有効性を評価した。
- 参考スコア（独自算出の注目度）: 4.304917890202721
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conventional class feedback systems often fall short, relying on static,
unengaging surveys offering little incentive for student participation. To
address this, we present OpineBot, a novel system employing large language
models (LLMs) to conduct personalized, conversational class feedback via
chatbot interface. We assessed OpineBot's effectiveness in a user study with 20
students from an Indian university's Operating-Systems class, utilizing surveys
and interviews to analyze their experiences. Findings revealed a resounding
preference for OpineBot compared to conventional methods, highlighting its
ability to engage students, produce deeper feedback, offering a dynamic survey
experience. This research represents a work in progress, providing early
results, marking a significant step towards revolutionizing class feedback
through LLM-based technology, promoting student engagement, and leading to
richer data for instructors. This ongoing research presents preliminary
findings and marks a notable advancement in transforming classroom feedback
using LLM-based technology to enhance student engagement and generate
comprehensive data for educators.
- Abstract（参考訳）: 従来の授業フィードバックシステムは、学生参加へのインセンティブがほとんどない静的で未熟な調査に依存することが多い。
そこで本稿では,大規模言語モデル(LLM)を用いたチャットボットインタフェースによる対話型クラスフィードバックを実現する新システムであるOpineBotを提案する。
インド大学のオペレーティング・システムズ・クラスから20人の学生を対象にしたユーザ・スタディにおいて,OpineBotの有効性を評価した。
調査の結果、OpineBotは従来の方法と比較して、学生をエンゲージする能力を強調し、より深いフィードバックを与え、動的調査体験を提供する。
この研究は、初期の成果を提供し、LLM技術によるクラスフィードバックの革新、学生のエンゲージメントの促進、インストラクターのためのより豊かなデータへの導出に向けた重要な一歩である。
本研究は, 学生のエンゲージメントを高め, 教育者のための包括的データを生成するために, LLM技術を用いて教室のフィードバックを変換することの顕著な進歩を示す。
関連論文リスト
- Exploring Knowledge Tracing in Tutor-Student Dialogues [53.52699766206808]
本稿では,教師と学生の対話における知識追跡(KT)の最初の試みについて述べる。
そこで本研究では,対話の各ターンに係わる知識コンポーネントやスキルを同定する手法を提案する。
次に,得られたラベル付きデータに様々なKT手法を適用し,対話全体を通して学生の知識レベルを追跡する。
論文 参考訳（メタデータ） (2024-09-24T22:31:39Z) - Show, Don't Tell: Aligning Language Models with Demonstrated Feedback [54.10302745921713]
Demonstration ITerated Task Optimization (DITTO)は、言語モデルの出力とユーザの実証された振る舞いを直接調整する。
我々は,DITTOがニュース記事やメール,ブログ記事などのドメイン間できめ細かいスタイルやタスクアライメントを学習する能力を評価する。
論文 参考訳（メタデータ） (2024-06-02T23:13:56Z) - Generating Situated Reflection Triggers about Alternative Solution Paths: A Case Study of Generative AI for Computer-Supported Collaborative Learning [3.2721068185888127]
本稿では,学生に動的かつ文脈的フィードバックを提供する概念実証アプリケーションを提案する。
具体的には、ChatGPTを使って、大学レベルのクラウドコンピューティングコースのためのオンラインプログラミング演習ボットを拡張します。
LLMは、コンテキスト内で発生する協調的な議論の詳細を組み込んだ、高度に位置決めされたリフレクショントリガを生成するために使用できることを実証する。
論文 参考訳（メタデータ） (2024-04-28T17:56:14Z) - Ruffle&Riley: Insights from Designing and Evaluating a Large Language Model-Based Conversational Tutoring System [21.139850269835858]
会話学習システム(CTS)は、自然言語に基づく対話を通じて学習体験を提供する。
大規模言語モデル(LLM)の最近の進歩を2つの方法で活用する新しいタイプのCTSについて検討・評価する。
このシステムは、授業テキストから容易に編集可能な教育用スクリプトを自動生成することにより、AI支援コンテンツオーサリングを可能にする。
論文 参考訳（メタデータ） (2024-04-26T14:57:55Z) - PREDILECT: Preferences Delineated with Zero-Shot Language-based
Reasoning in Reinforcement Learning [2.7387720378113554]
ロボット学習の新たな分野として,嗜好に基づく強化学習(RL)が出現している。
我々は、人間が提供するテキストから大言語モデル(LLM)のゼロショット機能を利用する。
シミュレーションシナリオとユーザスタディの両方において、フィードバックとその意味を分析することによって、作業の有効性を明らかにする。
論文 参考訳（メタデータ） (2024-02-23T16:30:05Z) - UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。
我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
論文 参考訳（メタデータ） (2023-10-02T17:40:01Z) - Rethinking the Evaluation for Conversational Recommendation in the Era
of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。
本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。
LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文 参考訳（メタデータ） (2023-05-22T15:12:43Z) - Approximating Online Human Evaluation of Social Chatbots with Prompting [11.657633779338724]
既存の評価指標は、オフラインユーザ評価の自動化と、事前計算したダイアログの人的判断の近似を目的としている。
GPTファミリーの大規模言語モデル(LLM)を利用したオンライン人間評価の近似手法を提案する。
Prompting (DEP) に基づく新しいダイアログシステム評価フレームワークを導入し,完全な自動評価パイプラインを実現する。
論文 参考訳（メタデータ） (2023-04-11T14:45:01Z) - Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。
まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。
トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
論文 参考訳（メタデータ） (2022-11-24T13:18:27Z) - Visual Imitation Made Easy [102.36509665008732]
本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。
我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。
我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
論文 参考訳（メタデータ） (2020-08-11T17:58:50Z) - 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)
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。