論文の概要: 61A-Bot Report: AI Assistants in CS1 Save Students Homework Time and Reduce Demands on Staff. (Now What?)
- arxiv url: http://arxiv.org/abs/2406.05600v2
- Date: Fri, 30 Aug 2024 20:05:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-04 17:51:09.185113
- Title: 61A-Bot Report: AI Assistants in CS1 Save Students Homework Time and Reduce Demands on Staff. (Now What?)
- Title（参考訳）: 61A-Botレポート:CS1のAIアシスタントは、学生の宿題時間とスタッフの需要削減を助ける
- Authors: J. D. Zamfirescu-Pereira, Laryn Qi, Björn Hartmann, John DeNero, Narges Norouzi,
- Abstract要約: GPT-4をベースとした大規模CS1コースの学生向け対話型宿題アシスタント(61Aボット)
2000人以上の学生が2学期にわたって、私たちのボットに10万件以上のリクエストをしました。
50歳から80歳までの学生の場合、これらの減量は通常1人あたり30分以上である。
- 参考スコア（独自算出の注目度）: 9.973179186668393
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Chatbot interfaces for LLMs enable students to get immediate, interactive help on homework assignments, but even a thoughtfully-designed bot may not serve all pedagogical goals. In this paper, we report on the development and deployment of a GPT-4-based interactive homework assistant ("61A Bot") for students in a large CS1 course; over 2000 students made over 100,000 requests of our bot across two semesters. Our assistant offers one-shot, contextual feedback, primarily through a low-friction "get feedback" prompt within the command-line "autograder" our students already run to test their code. Our Bot wraps student code in a custom prompt that supports our pedagogical goals and avoids providing solutions directly. We discuss our deployment and then analyze the impacts of our Bot on students, primarily through student-reported feedback and tracking of student homework progress. We find reductions in homework-related question rates in our course forum, as well as substantial reductions in homework completion time when our Bot is available. For students in the 50th-80th percentile, these reductions typically exceed 30 minutes per assignment, over 4 standard deviations faster than the mean in prior semesters. Finally, we conclude with a discussion of these observations, the potential impacts on student learning, as well as other potential costs and benefits of AI assistance in CS1.
- Abstract（参考訳）: LLM用のチャットボットインタフェースを使えば、学生はすぐに対話的で宿題を手伝うことができるが、思慮深く設計されたボットでさえ、すべての教育的目標を達成できないかもしれない。
本稿では,大規模CS1コースの学生を対象に,GPT-4ベースの対話型宿題アシスタント(61Aボット)の開発と展開について報告する。
私たちのアシスタントは、主に低摩擦の"get feedback"プロンプトを通じて、学生がすでにコードをテストするために実行しているコマンドライン"autograder"を通じて、ワンショットでコンテキストフィードバックを提供します。
私たちのBotは、学生のコードを独自のプロンプトでラップし、教育的な目標をサポートし、ソリューションを直接提供しないようにします。
学生が報告したフィードバックや、学生の宿題の進捗状況の追跡を通じて、ボットが学生に与える影響を議論し、分析する。
コースフォーラムでは、宿題関連質問率の削減や、ボットが利用可能になったときの宿題完了時間の大幅な削減が見られます。
50～80歳の学生の場合、これらの減量は通常、割り当て毎に30分以上かかり、標準偏差は前学期の平均よりも4分以上速くなります。
最後に、CS1におけるAI支援の潜在的なコストと利益と同様に、これらの観察、生徒の学習に対する潜在的影響について論じる。
関連論文リスト
- How Do Programming Students Use Generative AI? [7.863638253070439]
プログラミングの学生がChatGPTのような生成AIツールを実際にどのように使っているかを検討した。
一般的な概念に関する知識を探り,ソリューションを直接生成する,という2つの一般的な利用戦略を観察した。
その結果,ジェネレーティブAIによるプログラマエージェンシーの潜在的な減少と生産性に関する懸念が正当であることが示唆された。
論文 参考訳（メタデータ） (2025-01-17T10:25:41Z) - Integrating AI Tutors in a Programming Course [0.0]
RAGManはLLMベースのチューターシステムで、様々なコース特化および宿題特化AIチューターをサポートする。
本稿では,AI教師とのインタラクション,学生のフィードバック,および比較グレード分析について述べる。
論文 参考訳（メタデータ） (2024-07-14T00:42:39Z) - 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) - Using Assignment Incentives to Reduce Student Procrastination and
Encourage Code Review Interactions [2.1684358357001465]
この研究は、学生に期限の何日も前に課題を完了するよう促すインセンティブシステムを示す。
完成した課題は、正しさとフィードバックを提供するためにスタッフによってコードレビューされ、結果としてより多くの学生と教師の相互作用がもたらされる。
インセンティブによって学生の行動が変化し、45%の割り当てが早期に完了し、期限の4日前まで30%が完了した。
論文 参考訳（メタデータ） (2023-11-25T22:17:40Z) - Automated Questions About Learners' Own Code Help to Detect Fragile
Knowledge [0.0]
学生は、実際にどのように動作するかを脆弱に理解していても、正しく機能するプログラムコードを作成できる。
個々のエクササイズ提出書(QLC)から自動的に抽出された質問は、学生が作成したコードの構造とロジックを十分に理解しているかどうかを調査することができる。
論文 参考訳（メタデータ） (2023-06-28T14:49:16Z) - 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) - Smart tutor to provide feedback in programming courses [0.0]
学生のプログラミングに関する質問に答えるAIベースのインテリジェントチューターを提案する。
このツールは、全コースでURJCの大学生によってテストされている。
論文 参考訳（メタデータ） (2023-01-24T11:00:06Z) - Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。
標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。
Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
論文 参考訳（メタデータ） (2022-11-16T10:00:23Z) - TecCoBot: Technology-aided support for self-regulated learning [52.77024349608834]
自己学習活動は、学習成果の達成への活動の程度と自己学習活動の貢献を高めることができる。
特に世界的なパンデミックの時代には、学生が既に技術強化された材料、プロセス、デジタルプラットフォームを使っている家庭で、自己学習活動がますます活発に行われている。
論文 参考訳（メタデータ） (2021-11-23T13:50:21Z) - Using Machine Learning to Predict Engineering Technology Students'
Success with Computer Aided Design [50.591267188664666]
機械学習技術と組み合わせたデータによって、特定の学生がデザインタスクでどれだけうまく機能するかを予測する方法を示す。
初期設計シーケンスアクションを用いたモデルは,特に予測に有用であることが判明した。
これらのモデルをさらに改善することで、事前の予測が得られ、学生のフィードバックがより早く得られるようになり、学習が向上する可能性がある。
論文 参考訳（メタデータ） (2021-08-12T20:24:54Z) - 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)
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。