論文の概要: Pensieve Discuss: Scalable Small-Group CS Tutoring System with AI

• arxiv url: http://arxiv.org/abs/2407.17007v1
• Date: Wed, 24 Jul 2024 05:07:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-25 14:43:30.660563
• Title: Pensieve Discuss: Scalable Small-Group CS Tutoring System with AI
• Title（参考訳）: Pensieveが語る: AIによるスケーラブルな小グループCSチューニングシステム
• Authors: Yoonseok Yang, Jack Liu, J. D. Zamfirescu-Pereira, John DeNero,
• Abstract要約: Pensieve Discussは、足場のあるプログラミング問題の同期編集を、オンラインの人間とAIの家庭教師と統合するソフトウェアプラットフォームである。 CS1コースの学生800名を対象に, 学期間展開を行ったところ, 常に高いコラボレーション率を示した。
• 参考スコア（独自算出の注目度）: 5.710205207397618
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Small-group tutoring in Computer Science (CS) is effective, but presents the challenge of providing a dedicated tutor for each group and encouraging collaboration among group members at scale. We present Pensieve Discuss, a software platform that integrates synchronous editing for scaffolded programming problems with online human and AI tutors, designed to improve student collaboration and experience during group tutoring sessions. Our semester-long deployment to 800 students in a CS1 course demonstrated consistently high collaboration rates, positive feedback about the AI tutor's helpfulness and correctness, increased satisfaction with the group tutoring experience, and a substantial increase in question volume. The use of our system was preferred over an interface lacking AI tutors and synchronous editing capabilities. Our experiences suggest that small-group tutoring sessions are an important avenue for future research in educational AI.
• Abstract（参考訳）: コンピュータサイエンス(CS)における小グループチューターは有効であるが、各グループに専用のチューターを提供し、大規模なグループメンバー間のコラボレーションを促進するという課題が提示されている。 我々はPensieve Discussという,足場のあるプログラミング問題に対する同期編集をオンラインの人間とAIのチューターと統合するソフトウェアプラットフォームを紹介した。 CS1コースの学生800名を対象に,一貫したコラボレーション率,AI指導者の有用性と正しさに対する肯定的なフィードバック,グループ指導経験への満足度の向上,質問数の増加などを行った。 システムの利用は、AIチューターと同期編集機能が欠如しているインタフェースよりも好まれていた。 私たちの経験から,小グループ学習セッションは,今後のAI研究にとって重要な道のりであることを示唆している。

関連論文リスト

• Code Collaborate: Dissecting Team Dynamics in First-Semester Programming Students [3.0294711465150006]
  この研究は、第一期生が2Dゲームプロジェクトを開発するときに現れるコラボレーションのトレンドを強調している。 その結果、学生は自分の貢献をわずかに過大評価することが多く、より熱心な個人は間違いを認めやすいことが示唆された。 チームパフォーマンスは、国籍や性別構成に基づく大きな変化は示さないが、解散したチームは、しばしば孤独なオオカミで構成されていた。
  論文  参考訳（メタデータ） (2024-10-28T11:42:05Z)
• The Impact of Group Discussion and Formation on Student Performance: An Experience Report in a Large CS1 Course [10.04958142789079]
  グループディスカッションと形成機構が学生のパフォーマンスに与える影響は未だ不明である。 異なるグループ機構の有効性を検討するために,ランダムと専門性のバランスの取れたグループ分け手法を併用した。 分析の結果,異なるグループ化手法は,議論の参加や成績の悪い生徒の改善に有意な影響を及ぼさないことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-26T20:07:44Z)
• Desirable Characteristics for AI Teaching Assistants in Programming Education [2.9131215715703385]
  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。
  論文  参考訳（メタデータ） (2024-05-23T05:03:49Z)
• 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)
• Human Decision Makings on Curriculum Reinforcement Learning with Difficulty Adjustment [52.07473934146584]
  我々は,カリキュラム強化学習結果を,人的意思決定プロセスから学ぶことで,難しすぎず,難しすぎるような望ましいパフォーマンスレベルに導く。 本システムは非常に並列化可能であり,大規模強化学習アプリケーションの訓練が可能となる。 強化学習性能は、人間の所望の難易度と同期してうまく調整できることが示される。
  論文  参考訳（メタデータ） (2022-08-04T23:53:51Z)
• The Impact of Remote Pair Programming in an Upper-Level CS Course [0.0]
  ペアプログラミングは、学生にいくつかの利益をもたらす活発な学習手法として強調されてきた。 この研究は、上位レベルのコンピュータサイエンスコースにおけるペアプログラミングの効果を分析する。
  論文  参考訳（メタデータ） (2022-04-06T20:01:01Z)
• Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
  外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。 我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
  論文  参考訳（メタデータ） (2022-03-19T03:22:57Z)
• Disadvantaged students increase their academic performance through collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
  新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。 我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。 自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
  論文  参考訳（メタデータ） (2022-03-10T20:23:38Z)
• Distributed Deep Learning in Open Collaborations [49.240611132653456]
  協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。 現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2021-06-18T16:23:13Z)
• Towards Explainable Student Group Collaboration Assessment Models Using Temporal Representations of Individual Student Roles [12.945344702592557]
  学生グループコラボレーションを評価するために,簡単な時間-CNN深層学習モデルを提案する。 学生グループコラボレーション評価における動的に変化する特徴表現の適用性を検討する。 また、ディープラーニングモデルの決定に繋がった重要な時間指標をよりよく理解し、解釈するために、Grad-CAM視覚化を使用します。
  論文  参考訳（メタデータ） (2021-06-17T16:00:08Z)
• Towards an AI assistant for human grid operators [59.535699822923]
  電力システムは、デジタル時代の運用がより複雑になっている。 人間のオペレーターがより多くの情報を扱う必要があるため、リアルタイムの意思決定はますます困難になっている。 より統一的でインタラクティブなフレームワークの下で、ヒューマンマシンインターフェースを再考する必要がある。
  論文  参考訳（メタデータ） (2020-12-03T16:12:58Z)

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。