論文の概要: BoilerTAI: A Platform for Enhancing Instruction Using Generative AI in Educational Forums
- arxiv url: http://arxiv.org/abs/2409.13196v1
- Date: Fri, 20 Sep 2024 04:00:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 11:29:51.767480
- Title: BoilerTAI: A Platform for Enhancing Instruction Using Generative AI in Educational Forums
- Title（参考訳）: BoilerTAI: 教育フォーラムにおけるジェネレーティブAIを用いた指導の強化プラットフォーム
- Authors: Anvit Sinha, Shruti Goyal, Zachary Sy, Rhianna Kuperus, Ethan Dickey, Andres Bejarano,
- Abstract要約: 本稿では,Generative AI(GenAI)とオンライン教育フォーラムをシームレスに統合する,実用的でスケーラブルなプラットフォームについて述べる。
このプラットフォームは、学生ポストとLarge Language Model(LLM)との対話を円滑に進めることによって、指導スタッフが反応を効率的に管理し、洗練し、承認することを可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contribution: This Full paper in the Research Category track describes a practical, scalable platform that seamlessly integrates Generative AI (GenAI) with online educational forums, offering a novel approach to augment the instructional capabilities of staff. The platform empowers instructional staff to efficiently manage, refine, and approve responses by facilitating interaction between student posts and a Large Language Model (LLM). This contribution enhances the efficiency and effectiveness of instructional support and significantly improves the quality and speed of responses provided to students, thereby enriching the overall learning experience. Background: Grounded in Vygotsky's socio-cultural theory and the concept of the More Knowledgeable Other (MKO), the study examines how GenAI can act as an auxiliary MKO to enrich educational dialogue between students and instructors. Research Question: How effective is GenAI in reducing the workload of instructional staff when used to pre-answer student questions posted on educational discussion forums? Methodology: Using a mixed-methods approach in large introductory programming courses, human Teaching Assistants (AI-TAs) employed an AI-assisted platform to pre-answer student queries. We analyzed efficiency indicators like the frequency of modifications to AI-generated responses and gathered qualitative feedback from AI-TAs. Findings: The findings indicate no significant difference in student reception to responses generated by AI-TAs compared to those provided by human instructors. This suggests that GenAI can effectively meet educational needs when adequately managed. Moreover, AI-TAs experienced a reduction in the cognitive load required for responding to queries, pointing to GenAI's potential to enhance instructional efficiency without compromising the quality of education.
- Abstract（参考訳）: コントリビューション: このResearch Categoryトラックのフルペーパーは、Generative AI(GenAI)とオンラインの教育フォーラムをシームレスに統合し、スタッフの教育能力を高めるための新しいアプローチを提供する、実用的でスケーラブルなプラットフォームを記述している。
このプラットフォームは、学生ポストとLLM(Large Language Model)との相互作用を円滑に進めることによって、指導スタッフが反応を効率的に管理し、洗練し、承認することを可能にする。
この貢献は、指導支援の効率性と効果を高め、学生に提供する応答の質と速度を大幅に向上させ、全体としての学習経験を豊かにする。
背景: ヴィゴツキーの社会文化的理論とより知識のある他者(MKO)の概念を基礎として,GenAIが学生とインストラクターの教育対話を強化するために補助的なMKOとして機能するかを検討する。
調査質問:GenAIは、教育討論フォーラムに投稿された学生の質問に対して、指導要員の負担軽減にどの程度効果があるか?
方法論: 大規模なプログラミングコースにおいて混合メソッドのアプローチを用いることで、AI-TAは、学生の質問を事前に答えるためにAI支援プラットフォームを使用した。
我々は、AI生成応答に対する修正頻度などの効率指標を分析し、AI-TAから定性的なフィードバックを収集した。
その結果、AI-TAが生み出す反応に対する学生の反応と、人間のインストラクターが与える反応とでは有意な差は認められなかった。
これは、GenAIが適切に管理された場合、教育ニーズを効果的に満たせることを示唆している。
さらに、AI-TAは、学習の質を損なうことなく教育効率を高めるGenAIの可能性を指して、クエリに応答するために必要な認知負荷の低減を経験した。
関連論文リスト
- Human-Centric eXplainable AI in Education [0.0]
本稿では,教育現場における人間中心型eXplainable AI(HCXAI)について検討する。
学習成果の向上、ユーザ間の信頼の向上、AI駆動ツールの透明性確保における役割を強調している。
ユーザ理解とエンゲージメントを優先するHCXAIシステムの開発のための包括的なフレームワークを概説する。
論文 参考訳（メタデータ） (2024-10-18T14:02:47Z) - Students' Perceived Roles, Opportunities, and Challenges of a Generative AI-powered Teachable Agent: A Case of Middle School Math Class [2.5748316361772963]
ジェネレーティブAI(GenAI)の進歩は、教育可能なエージェント(TA)の形で、長年の学習実践を適用する可能性を高めている。
TAの役割と機会が認められているにもかかわらず、GenAIがどのようにシナジーを生み出したり、TAに課題をもたらすかについてはあまり知られていない。
本研究は,中学生を対象に,真正数学教室におけるGenAIを利用したTAの役割,メリット,課題について検討した。
論文 参考訳（メタデータ） (2024-08-26T18:54:20Z) - Battling Botpoop using GenAI for Higher Education: A Study of a Retrieval Augmented Generation Chatbots Impact on Learning [0.0]
本研究で紹介されるLeodar教授は、カスタムメイドのSinglish- speak Retrieval Augmented Generation (RAG)である。
Leodar教授は、AI支援学習の未来を垣間見るとともに、パーソナライズされたガイダンス、24/7の可用性、コンテキストに関連する情報を提供している。
論文 参考訳（メタデータ） (2024-06-12T01:19:36Z) - 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) - 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) - 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) - K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via
Prompt Learning [83.19215082550163]
K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。
本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
論文 参考訳（メタデータ） (2023-12-16T08:10:10Z) - Artificial Intelligence-Enabled Intelligent Assistant for Personalized
and Adaptive Learning in Higher Education [0.2812395851874055]
本稿では,AIIA(Artificial Intelligence-Enabled Intelligent Assistant)という,高等教育におけるパーソナライズおよび適応学習のための新しいフレームワークを提案する。
AIIAシステムは、高度なAIと自然言語処理(NLP)技術を活用して、対話的で魅力的な学習プラットフォームを構築する。
論文 参考訳（メタデータ） (2023-09-19T19:31:15Z) - UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。
本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。
学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
論文 参考訳（メタデータ） (2023-05-31T11:29:04Z) - 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) - 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。