論文の概要: Desirable Characteristics for AI Teaching Assistants in Programming Education
- arxiv url: http://arxiv.org/abs/2405.14178v1
- Date: Thu, 23 May 2024 05:03:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-24 18:55:13.774209
- Title: Desirable Characteristics for AI Teaching Assistants in Programming Education
- Title（参考訳）: プログラミング教育におけるAI指導支援者の望ましい特徴
- Authors: Paul Denny, Stephen MacNeil, Jaromir Savelka, Leo Porter, Andrew Luxton-Reilly,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.9131215715703385
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Providing timely and personalized feedback to large numbers of students is a long-standing challenge in programming courses. Relying on human teaching assistants (TAs) has been extensively studied, revealing a number of potential shortcomings. These include inequitable access for students with low confidence when needing support, as well as situations where TAs provide direct solutions without helping students to develop their own problem-solving skills. With the advent of powerful large language models (LLMs), digital teaching assistants configured for programming contexts have emerged as an appealing and scalable way to provide instant, equitable, round-the-clock support. Although digital TAs can provide a variety of help for programming tasks, from high-level problem solving advice to direct solution generation, the effectiveness of such tools depends on their ability to promote meaningful learning experiences. If students find the guardrails implemented in digital TAs too constraining, or if other expectations are not met, they may seek assistance in ways that do not help them learn. Thus, it is essential to identify the features that students believe make digital teaching assistants valuable. We deployed an LLM-powered digital assistant in an introductory programming course and collected student feedback ($n=813$) on the characteristics of the tool they perceived to be most important. Our results highlight that students value such tools for their ability to provide instant, engaging support, particularly during peak times such as before assessment deadlines. They also expressed a strong preference for features that enable them to retain autonomy in their learning journey, such as scaffolding that helps to guide them through problem-solving steps rather than simply being shown direct solutions.
- Abstract（参考訳）: 多くの学生にタイムリーでパーソナライズされたフィードバックを提供することは、プログラミングコースにおける長年の課題である。
ヒューマン・インスツルメンテーション・アシスタント(TA)の研究が盛んに行われており、潜在的な欠点がいくつか浮かび上がっている。
これらには、サポートが必要な場合の信頼性の低い学生への不平等なアクセスや、TAが生徒が独自の問題解決スキルを開発するのを手伝うことなく、直接的なソリューションを提供する状況が含まれる。
強力な大規模言語モデル (LLM) の出現に伴い、プログラムコンテキスト用に構成された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ための魅力的でスケーラブルな方法として登場した。
デジタルTAは、ハイレベルな問題解決アドバイスから直接的なソリューション生成に至るまで、プログラミングタスクに様々な助けを提供することができるが、そのようなツールの有効性は、有意義な学習体験を促進する能力に依存している。
生徒がデジタルTAで実装されたガードレールに制約が多すぎる場合や、他の期待が満たされていない場合は、学習の助けにならない方法で支援を求める可能性がある。
したがって、学生がデジタル指導アシスタントに価値をもたらすと信じている特徴を特定することが不可欠である。
導入プログラミングコースにLLMを利用したデジタルアシスタントを配置し,学生からのフィードバック(n=813$)を収集した。
以上の結果から,学生は,特に評価期限前のようなピーク時に,即時かつ活発な支援を提供する能力に,そのようなツールを重んじることが示唆された。
彼らはまた、単に直接的なソリューションを示すのではなく、問題解決のステップを導くのに役立つ足場など、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。
関連論文リスト
- 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) - 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) - Can Foundation Models Watch, Talk and Guide You Step by Step to Make a
Cake? [62.59699229202307]
AIの進歩にもかかわらず、インタラクティブなタスクガイダンスシステムの開発は依然として大きな課題である。
我々は、人間のユーザと人間のインストラクターとの自然なインタラクションに基づいて、新しいマルチモーダルベンチマークデータセット、ウォッチ、トーク、ガイド(WTaG)を作成しました。
いくつかの基礎モデルを活用して、これらのモデルが認識可能なタスクガイダンスに迅速に適応できるかを調査した。
論文 参考訳（メタデータ） (2023-11-01T15:13:49Z) - Patterns of Student Help-Seeking When Using a Large Language
Model-Powered Programming Assistant [2.5949084781328744]
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。
論文 参考訳（メタデータ） (2023-10-25T20:36:05Z) - 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) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - Reinforcement Learning Tutor Better Supported Lower Performers in a Math
Task [32.6507926764587]
強化学習は、開発コストを削減し、インテリジェントな学習ソフトウェアの有効性を向上させるための重要なツールとなり得る。
本研究では, 深層強化学習を用いて, 音量の概念を学習する学生に適応的な教育支援を行うことができることを示す。
論文 参考訳（メタデータ） (2023-04-11T02:11:24Z) - Platform-Independent and Curriculum-Oriented Intelligent Assistant for
Higher Education [0.0]
我々は、パワー言語モデル(GPT-3)に基づくAIを活用したインテリジェントな教育支援フレームワークを開発した。
仮想インテリジェント・インテリジェンス・アシスタント(TA)システムは、カリキュラム、物流、コースポリシーに関するコース固有の質問に答えることのできる音声対応のヘルパーとして機能する。
論文 参考訳（メタデータ） (2023-02-15T19:02:01Z) - Plagiarism deterrence for introductory programming [11.612194979331179]
クラス全体の統計的特徴は直感的な新しいp値によって学生と明確に共有することができる。
圧縮に基づく類似度検出アルゴリズムは、代入間の関係をより正確に捉える。
無バイアスのスコアリングシステムは、学生とインストラクターが真の努力の独立を理解するのを助ける。
論文 参考訳（メタデータ） (2022-06-06T18:47:25Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z)
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。