論文の概要: Leveraging Large Language Models for Actionable Course Evaluation Student Feedback to Lecturers

• arxiv url: http://arxiv.org/abs/2407.01274v2
• Date: Tue, 2 Jul 2024 08:47:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-03 21:30:10.589024
• Title: Leveraging Large Language Models for Actionable Course Evaluation Student Feedback to Lecturers
• Title（参考訳）: 実践可能な授業評価のための大規模言語モデルの導入 : 講師へのフィードバック
• Authors: Mike Zhang, Euan D Lindsay, Frederik Bode Thorbensen, Danny Bøgsted Poulsen, Johannes Bjerva,
• Abstract要約: コンピュータサイエンス科の75科以上で742名の学生が回答した。 各コースについて,授業評価項目と動作可能な項目の要約を合成する。 本研究は, 授業環境における教師に対して, 実感的, 行動的, 適切なフィードバックを生み出すために, 生成的AIを使用する可能性を強調した。
• 参考スコア（独自算出の注目度）: 6.161370712594005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: End of semester student evaluations of teaching are the dominant mechanism for providing feedback to academics on their teaching practice. For large classes, however, the volume of feedback makes these tools impractical for this purpose. This paper explores the use of open-source generative AI to synthesise factual, actionable and appropriate summaries of student feedback from these survey responses. In our setup, we have 742 student responses ranging over 75 courses in a Computer Science department. For each course, we synthesise a summary of the course evaluations and actionable items for the instructor. Our results reveal a promising avenue for enhancing teaching practices in the classroom setting. Our contribution lies in demonstrating the feasibility of using generative AI to produce insightful feedback for teachers, thus providing a cost-effective means to support educators' development. Overall, our work highlights the possibility of using generative AI to produce factual, actionable, and appropriate feedback for teachers in the classroom setting.
• Abstract（参考訳）: 学期末の授業評価は、教育実践に関する学生へのフィードバックを提供するための支配的なメカニズムである。 しかし、大規模なクラスでは、フィードバックの量は、この目的のためにこれらのツールを実用的でないものにしている。 本稿では,これらの調査回答から学生のフィードバックの事実的,実行可能な,適切な要約を合成するための,オープンソースの生成AIの利用について検討する。 セットアップでは,コンピュータサイエンス科の75科以上を対象に,742名の学生が回答した。 各コースについて,授業評価項目と動作可能な項目の要約を合成する。 この結果から,教室環境における教育実践の促進に期待できる道筋が明らかとなった。 私たちの貢献は、教師に対する洞察力のあるフィードバックを生み出すために生成的AIを使用することの可能性を示すことであり、それによって教育者の開発を支援するための費用対効果の手段を提供する。 本研究は総合的に,授業環境における教師の現実的,行動的,適切なフィードバックを生み出すために,生成的AIを使用する可能性を強調している。

関連論文リスト

• Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
  我々は,機械教育の知見と実践的なコミュニケーションを,表現的アライメントに関する文献と統合する。 教師の精度から表現的アライメントを遠ざける教師付き学習環境を設計する。
  論文  参考訳（メタデータ） (2024-06-06T17:48:24Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• 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)
• Measuring Five Accountable Talk Moves to Improve Instruction at Scale [1.4549461207028445]
  説明可能な会話理論にインスパイアされた5つの指導的話の動きを識別するモデルを微調整する。 学習者のエンゲージメントと満足度を指標として,各講演の動きのインストラクターの使い方を関連づける。 これらの結果は、説明可能な話し方の有効性に関する過去の研究を裏付けるものである。
  論文  参考訳（メタデータ） (2023-11-02T03:04:50Z)
• PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
  ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。 本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
  論文  参考訳（メタデータ） (2023-07-10T11:05:51Z)
• Using Large Language Models to Provide Explanatory Feedback to Human Tutors [3.2507682694499582]
  オンライン授業において,教師にリアルタイムフィードバックを提供するための2つのアプローチを提案する。 このワーク・イン・プログレス(英語版)は、効果的な、あるいは努力に基づく修正フィードバックのためのバイナリ分類においてかなりの精度を示す。 より具体的には、大言語モデルに精通した名前付きエンティティ認識を用いた説明的フィードバックを提供するための拡張されたアプローチについて紹介する。
  論文  参考訳（メタデータ） (2023-06-27T14:19:12Z)
• Is ChatGPT a Good Teacher Coach? Measuring Zero-Shot Performance For Scoring and Providing Actionable Insights on Classroom Instruction [5.948322127194399]
  本稿では,AIが専門家のフィードバックを補うための費用効率のよい補完になるかどうかを,教師の指導を自動化して検討する。 生成型AIのための3つの教師指導課題を提案する: (A) 教室の観察装置に基づく書き起こしセグメントのスコア、(B) 優れた指導戦略のためのハイライトと機会の欠落を特定し、(C) より学生の推論を引き出すための実行可能な提案を行う。 本研究は,小学校数学書写におけるChatGPTのゼロショット性能を評価するために,専門家の数学教師を募集する。
  論文  参考訳（メタデータ） (2023-06-05T17:59:21Z)
• 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)
• A literature survey on student feedback assessment tools and their usage in sentiment analysis [0.0]
  我々は,Kahoot!, Mentimeter, Padlet, pollingなどのクラス内フィードバック評価手法の有効性を評価する。 学生の質的なフィードバックコメントから明確な提案を抽出する感情分析モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-09T06:56:30Z)
• 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。