論文の概要: New Curriculum, New Chance -- Retrieval Augmented Generation for Lesson Planning in Ugandan Secondary Schools. Prototype Quality Evaluation
- arxiv url: http://arxiv.org/abs/2408.07542v1
- Date: Wed, 14 Aug 2024 13:22:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-15 13:14:29.184388
- Title: New Curriculum, New Chance -- Retrieval Augmented Generation for Lesson Planning in Ugandan Secondary Schools. Prototype Quality Evaluation
- Title（参考訳）: ウガンダ中等学校における授業計画のための新カリキュラムと新チャンス-検索向上世代 : プロトタイプ品質評価
- Authors: Simon Kloker, Herbertson Bukoli, Twaha Kateete,
- Abstract要約: 中等学校における教育の質の低さは、21世紀のウガンダにおける主要な闘争の1つと見なされている。
我々は、政府公認の教科書に基づいて、カスタマイズされた授業プランを生成するプロトタイプを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Introduction: Poor educational quality in Secondary Schools is still regarded as one of the major struggles in 21st century Uganda - especially in rural areas. Research identifies several problems, including low quality or absent teacher lesson planning. As the government pushes towards the implementation of a new curriculum, exiting lesson plans become obsolete and the problem is worsened. Using a Retrieval Augmented Generation approach, we developed a prototype that generates customized lesson plans based on the government-accredited textbooks. This helps teachers create lesson plans more efficiently and with better quality, ensuring they are fully aligned the new curriculum and the competence-based learning approach. Methods: The prototype was created using Cohere LLM and Sentence Embeddings, and LangChain Framework - and thereafter made available on a public website. Vector stores were trained for three new curriculum textbooks (ICT, Mathematics, History), all at Secondary 1 Level. Twenty-four lessons plans were generated following a pseudo-random generation protocol, based on the suggested periods in the textbooks. The lesson plans were analyzed regarding their technical quality by three independent raters following the Lesson Plan Analysis Protocol (LPAP) by Ndihokubwayo et al. (2022) that is specifically designed for East Africa and competence-based curriculums. Results: Evaluation of 24 lesson plans using the LPAP resulted in an average quality of between 75 and 80%, corresponding to "very good lesson plan". None of the lesson plans scored below 65%, although one lesson plan could be argued to have been missing the topic. In conclusion, the quality of the generated lesson plans is at least comparable, if not better, than those created by humans, as demonstrated in a study in Rwanda, whereby no lesson plan even reached the benchmark of 50%.
- Abstract（参考訳）: 序説:中等学校における教育の質の低さは、21世紀のウガンダ、特に農村部における主要な闘争の1つとみなされている。
研究は、低品質または欠席した教師の授業計画など、いくつかの問題を特定する。
政府が新たなカリキュラムの実施を推し進めるにつれ、授業計画の廃止が廃れ、問題が悪化する。
そこで我々は,Retrieval Augmented Generationアプローチを用いて,政府公認の教科書に基づいて,カスタマイズされた授業プランを生成するプロトタイプを開発した。
これにより、教師は授業プランをより効率的に、より良い品質で作成し、新しいカリキュラムと能力に基づく学習アプローチを完全に整合させることができる。
メソッド: プロトタイプはCohere LLMとSentence Embeddings、LangChain Frameworkを使って作成され、その後、パブリックウェブサイトで利用可能になった。
ベクトルストアは3つの新しいカリキュラム教科書(ICT, 数学, 歴史)のために、すべてセカンダリ1レベルで訓練された。
教科書に提案された期間に基づいて,擬似ランダム生成プロトコルに従って24のレッスンプランが作成された。
Ndihokubwayo et al (2022) の授業計画分析プロトコル (LPAP) に従えば, 東アフリカとコンピテンスベースのカリキュラムに特化して設計されている。
結果: LPAPを用いた授業計画24件の評価の結果, 「非常によい授業計画」に対応する平均品質は75～80%であった。
レッスンプランはいずれも65%以下ではなかったが、ひとつのレッスンプランではこのトピックが欠落していたと主張できる。
結論として、ルワンダの研究で示されたように、生成されたレッスンプランの品質は、人間によるものと比べて少なくとも同等である。
関連論文リスト
- Tailoring Education with GenAI: A New Horizon in Lesson Planning [0.21427777919040414]
本研究では、教育者のためのデジタルアシスタントとして設計されたGenAIツールを導入し、カスタマイズされた授業プランの作成を可能にする。
このツールは'interactive mega-prompt'と呼ばれる革新的な機能を利用している。
ツールの有効性を評価するため,定量的(時間節約率の%)と質的(ユーザ満足度)の両方を取り入れた総合的な方法論を実装した。
論文 参考訳（メタデータ） (2024-02-12T17:30:05Z) - Using ChatGPT for Science Learning: A Study on Pre-service Teachers'
Lesson Planning [0.7416846035207727]
本研究は,韓国の大学教員29名による授業計画について分析した。
授業計画では14種類の指導・学習方法・戦略が同定された。
本研究は,授業計画におけるChatGPTの適切な使用例と不適切な使用例の両方を同定した。
論文 参考訳（メタデータ） (2024-01-18T22:52:04Z) - EIPE-text: Evaluation-Guided Iterative Plan Extraction for Long-Form
Narrative Text Generation [114.50719922069261]
長文物語テキスト生成のための評価誘導反復計画抽出法(EIPE-text)を提案する。
EIPEテキストには、計画抽出、学習、推論の3段階がある。
小説やストーリーテリングの分野におけるEIPEテキストの有効性を評価する。
論文 参考訳（メタデータ） (2023-10-12T10:21:37Z) - Are LLMs Useful in the Poorest Schools? TheTeacher.AI in Sierra Leone [3.7548091790522915]
そこで本研究では,シエラレオネの教師が専門的な開発を行い,指導を改善するためのAIボットを提案する。
小学校122校,教員193校での初期実施から得られた初期知見を概説し,定性的な観察とクエリ分析により分析した。
論文 参考訳（メタデータ） (2023-10-04T17:18:47Z) - Ticketed Learning-Unlearning Schemes [57.89421552780526]
そこで我々は,学習のためのチケット付きモデルを提案する。
広義のコンセプトクラスに対して,空間効率のよいチケット付き学習スキームを提供する。
論文 参考訳（メタデータ） (2023-06-27T18:54:40Z) - Low-complexity deep learning frameworks for acoustic scene
classification using teacher-student scheme and multiple spectrograms [59.86658316440461]
提案システムは,教師のネットワークを訓練する(Phase I)と,教師の知識を蒸留して学生のネットワークを訓練する(Phase II)の2つの段階から構成される。
DCASE 2023 Task 1 Developmentデータセットで実施した実験は,低複雑さの要求を満たすとともに,57.4%の最高の分類精度を達成した。
論文 参考訳（メタデータ） (2023-05-16T14:21:45Z) - ExamGAN and Twin-ExamGAN for Exam Script Generation [3.1902272671210468]
授業中の学生のスコアを望ましい分布にできる試験スクリプトをどうやって生成するかは、まだ不明である。
評価において同等の高品質なテストスクリプトをどうやって生成するかは、今のところ不明である。
本稿では,高品質な試験スクリプトを生成するためにExamGANを提案し,その後,T-ExamGANに拡張して高品質な試験スクリプトを生成する。
論文 参考訳（メタデータ） (2021-08-22T07:34:15Z) - Strengthening e-Education in India using Machine Learning [0.0]
インド政府は国民の教育を改善するためにあらゆるエネルギーに投資している。
教育者がより現在の視点に集中するのを助けるために、その余分な作業は機械学習(ML)を利用して処理することができる。
本研究は、従来の手順を改善するために、遺伝計算の発達方法論を活用することを提案する。
論文 参考訳（メタデータ） (2021-05-24T10:22:39Z) - Partial Is Better Than All: Revisiting Fine-tuning Strategy for Few-shot
Learning [76.98364915566292]
一般的なプラクティスは、まずベースセット上でモデルをトレーニングし、その後、微調整によって新しいクラスに移行することである。
本稿では,基本モデル内の特定の層を凍結あるいは微調整することにより,部分的知識の伝達を提案する。
提案手法の有効性を実証するために, CUB と mini-ImageNet の広範な実験を行った。
論文 参考訳（メタデータ） (2021-02-08T03:27:05Z) - 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) - Investigating Pretrained Language Models for Graph-to-Text Generation [55.55151069694146]
Graph-to-text生成は、グラフベースのデータから流動的なテキストを生成することを目的としている。
本稿では,3つのグラフ領域,つまり表現,ウィキペディア知識グラフ(KG),科学的なKGについて検討する。
我々は, PLM の BART と T5 が新たな最先端の成果を達成し, タスク適応型事前学習戦略が性能をさらに向上することを示す。
論文 参考訳（メタデータ） (2020-07-16T16:05:34Z)
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。