論文の概要: Scaffolding Language Learning via Multi-modal Tutoring Systems with Pedagogical Instructions
- arxiv url: http://arxiv.org/abs/2404.03429v1
- Date: Thu, 4 Apr 2024 13:22:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-05 14:41:45.494578
- Title: Scaffolding Language Learning via Multi-modal Tutoring Systems with Pedagogical Instructions
- Title（参考訳）: Pedagogical Instructions を用いたマルチモーダルテュータリングシステムによるスキャッフィング言語学習
- Authors: Zhengyuan Liu, Stella Xin Yin, Carolyn Lee, Nancy F. Chen,
- Abstract要約: 知的家庭教師システム(ITS)は、人間の家庭教師を模倣し、学習者にカスタマイズされた指導やフィードバックを提供することを目的としている。
生成人工知能の出現に伴い、大規模言語モデル(LLM)は、複雑な会話の相互作用をシステムに付与する。
教育指導がITSの足場形成をいかに促進するかを,子どもに言語学習のための画像記述を指導するケーススタディにより検討した。
- 参考スコア（独自算出の注目度）: 34.760230622675365
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intelligent tutoring systems (ITSs) that imitate human tutors and aim to provide immediate and customized instructions or feedback to learners have shown their effectiveness in education. With the emergence of generative artificial intelligence, large language models (LLMs) further entitle the systems to complex and coherent conversational interactions. These systems would be of great help in language education as it involves developing skills in communication, which, however, drew relatively less attention. Additionally, due to the complicated cognitive development at younger ages, more endeavors are needed for practical uses. Scaffolding refers to a teaching technique where teachers provide support and guidance to students for learning and developing new concepts or skills. It is an effective way to support diverse learning needs, goals, processes, and outcomes. In this work, we investigate how pedagogical instructions facilitate the scaffolding in ITSs, by conducting a case study on guiding children to describe images for language learning. We construct different types of scaffolding tutoring systems grounded in four fundamental learning theories: knowledge construction, inquiry-based learning, dialogic teaching, and zone of proximal development. For qualitative and quantitative analyses, we build and refine a seven-dimension rubric to evaluate the scaffolding process. In our experiment on GPT-4V, we observe that LLMs demonstrate strong potential to follow pedagogical instructions and achieve self-paced learning in different student groups. Moreover, we extend our evaluation framework from a manual to an automated approach, paving the way to benchmark various conversational tutoring systems.
- Abstract（参考訳）: インテリジェント・チュータリング・システム(ITS)は,教師を模倣し,学習者に対して即時かつカスタマイズされた指導やフィードバックを提供することを目的としている。
生成的人工知能の出現に伴い、大規模言語モデル(LLM)は、より複雑でコヒーレントな対話的相互作用をシステムに付与する。
これらのシステムは、コミュニケーションのスキルを発達させるため、言語教育において大きな助けとなるだろう。
また、若年期の認知発達が複雑化しているため、実用化にはより多くの努力が必要である。
スカッフルディング(英語: Scaffolding)とは、教師が生徒に新しい概念やスキルを学習し開発するための支援と指導を与える教育技法である。
多様な学習ニーズ、目標、プロセス、成果をサポートする効果的な方法です。
本研究では,子どもに言語学習のための画像記述を指導するケーススタディにより,ITSにおける教育指導が足場形成にどのように役立つかを検討する。
本研究では,知識構築,探索型学習,対話型教育,近位発達のゾーンという,4つの基本的学習理論に基づく足場学習システムを構築した。
質的,定量的な分析のために,足場形成過程を評価するために7次元ルーブリックを構築し,精製する。
GPT-4Vで行った実験では,LLMが教育指導に追従し,学生集団の自画期学習を達成できる可能性を示した。
さらに、評価フレームワークをマニュアルから自動的なアプローチに拡張し、様々な対話型チューリングシステムのベンチマークを行う方法について検討する。
関連論文リスト
- BIPED: Pedagogically Informed Tutoring System for ESL Education [11.209992106075788]
大規模言語モデル(LLM)は、容易に利用でき、コスト効率の良い会話型知能チューニングシステム(CITS)として機能する大きな可能性を秘めている。
既存のCITSは、単純な概念だけを教えるか、多様な学習戦略に取り組むために必要な教育的な深さを欠くように設計されている。
バイリンガル PEDagogically-informed Tutoring dataset of one-on-one, human-to- Human English tutoring Interaction。
論文 参考訳（メタデータ） (2024-06-05T17:49:24Z) - Personality-aware Student Simulation for Conversational Intelligent Tutoring Systems [34.760230622675365]
Intelligent Tutoring Systems(ITS)は、パーソナライズされたセルフペースの学習体験を提供する。
大規模言語モデル(LLM)の出現により、より優れた人間と機械の相互作用が可能になる。
LLMは、与えられた言語能力と性格特性に応じて、多様な学生の反応を生成することができる。
論文 参考訳（メタデータ） (2024-04-10T06:03:13Z) - Enhancing Instructional Quality: Leveraging Computer-Assisted Textual
Analysis to Generate In-Depth Insights from Educational Artifacts [13.617709093240231]
本研究では、人工知能(AI)と機械学習(ML)が教育内容、教師の談話、学生の反応を分析して教育改善を促進する方法について検討する。
私たちは、教師のコーチング、学生のサポート、コンテンツ開発など、AI/ML統合が大きな利点をもたらす重要な領域を特定します。
本稿では,AI/ML技術と教育的目標との整合性の重要性を強調し,その教育的可能性を実現する。
論文 参考訳（メタデータ） (2024-03-06T18:29:18Z) - YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - 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) - Thinking beyond chatbots' threat to education: Visualizations to
elucidate the writing and coding process [0.0]
言語教育と学習のための教育実践のランドスケープは、主に結果駆動のアプローチに焦点が当てられている。
最近の大規模言語モデルのアクセシビリティは、これらのアプローチを徹底的に破壊している。
本研究は,学習者の書面やプログラミングプロセスの本質的および教えられた能力を要約する,新しい可視化ツールを提案する。
論文 参考訳（メタデータ） (2023-04-25T22:11:29Z) - Strategize Before Teaching: A Conversational Tutoring System with
Pedagogy Self-Distillation [35.11534904787774]
本稿では,教育応答生成と教育戦略予測を組み合わせた統合フレームワークを提案する。
我々の実験と分析は、授業戦略がダイアログ学習に与える影響について光を当てた。
論文 参考訳（メタデータ） (2023-02-27T03:43:25Z) - Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。
現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。
人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
論文 参考訳（メタデータ） (2023-01-24T11:00:17Z) - 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) - Rethinking Supervised Learning and Reinforcement Learning in
Task-Oriented Dialogue Systems [58.724629408229205]
本稿では、従来の教師あり学習とシミュレータなしの逆学習法を用いて、最先端のRL法に匹敵する性能を実現する方法を示す。
我々の主な目的は、教師あり学習で強化学習に勝ることではなく、タスク指向対話システムの最適化における強化学習と教師あり学習の役割を再考する価値を示すことである。
論文 参考訳（メタデータ） (2020-09-21T12:04:18Z)
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。