論文の概要: GPT-4 as a Homework Tutor can Improve Student Engagement and Learning Outcomes

• arxiv url: http://arxiv.org/abs/2409.15981v1
• Date: Tue, 24 Sep 2024 11:22:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 07:42:12.621735
• Title: GPT-4 as a Homework Tutor can Improve Student Engagement and Learning Outcomes
• Title（参考訳）: 宿題教師としてのGPT-4は学生のエンゲージメントと学習成果を改善する
• Authors: Alessandro Vanzo, Sankalan Pal Chowdhury, Mrinmaya Sachan,
• Abstract要約: 我々は,中学生が第二言語として英語を学習するための対話型宿題セッションを,GPT-4で実施できるプロンプト戦略を開発した。 従来の宿題を GPT-4 の宿題に置き換え,4つの高校生の授業でランダム化比較試験(RCT)を行った。 学習結果の大幅な改善,特に文法の増大,学生のエンゲージメントについて検討した。
• 参考スコア（独自算出の注目度）: 80.60912258178045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work contributes to the scarce empirical literature on LLM-based interactive homework in real-world educational settings and offers a practical, scalable solution for improving homework in schools. Homework is an important part of education in schools across the world, but in order to maximize benefit, it needs to be accompanied with feedback and followup questions. We developed a prompting strategy that enables GPT-4 to conduct interactive homework sessions for high-school students learning English as a second language. Our strategy requires minimal efforts in content preparation, one of the key challenges of alternatives like home tutors or ITSs. We carried out a Randomized Controlled Trial (RCT) in four high-school classes, replacing traditional homework with GPT-4 homework sessions for the treatment group. We observed significant improvements in learning outcomes, specifically a greater gain in grammar, and student engagement. In addition, students reported high levels of satisfaction with the system and wanted to continue using it after the end of the RCT.
• Abstract（参考訳）: この研究は、LLMベースのインタラクティブな宿題を現実世界の教育環境で実践することの少ない文献に寄与し、学校における宿題を改善するための実践的でスケーラブルなソリューションを提供する。 宿題は世界中の学校で教育の重要な部分であるが、利益を最大化するためには、フィードバックやフォローアップの質問を添付する必要がある。 我々は,中学生が第二言語として英語を学習するための対話型宿題セッションを,GPT-4で実施できるプロンプト戦略を開発した。 私たちの戦略は、家庭教師やITSのような代替手段の鍵となる課題であるコンテンツ準備における最小限の努力を必要とします。 従来の宿題を GPT-4 の宿題に置き換え,4つの高校生の授業でランダム化比較試験(RCT)を行った。 学習結果の大幅な改善,特に文法の増大,学生のエンゲージメントについて検討した。 さらに、学生はシステムに対する高い満足度を報告し、RTTの終了後も使用を続けたいと考えた。

関連論文リスト

• Generative AI for Enhancing Active Learning in Education: A Comparative Study of GPT-3.5 and GPT-4 in Crafting Customized Test Questions [2.0411082897313984]
  本研究では, LLM, 特に GPT-3.5 と GPT-4 が, グレード9の算数に適した質問をいかに展開できるかを検討する。 反復的手法を用いることで、これらのモデルは、シミュレーションされた「学生」モデルからのフィードバックに応じて、難易度と内容に基づいて質問を調整する。
  論文  参考訳（メタデータ） (2024-06-20T00:25:43Z)
• Leveraging Lecture Content for Improved Feedback: Explorations with GPT-4 and Retrieval Augmented Generation [0.0]
  本稿では,大規模言語モデルによるプログラミングタスクのフィードバックを改善するために,検索拡張生成(Retrieval Augmented Generation)を提案する。 対応する講義記録は転写され、外部知識源としてLarge Language Model GPT-4で利用可能となった。 この目的は、幻覚を予防し、講義の技術的用語やフレーズの使用を強制することである。
  論文  参考訳（メタデータ） (2024-05-05T18:32:06Z)
• RECIPE4U: Student-ChatGPT Interaction Dataset in EFL Writing Education [15.253081304714101]
  本稿では、英語の212人の大学生を対象に、学期間実験から得られたデータセットRECIPE4Uについて紹介する。 研究期間中、ChatGPTと対話してエッセイを改訂する。RECIPE4Uには、会話ログ、学生の意図、学生の自己評価満足度、学生のエッセイ編集履歴など、これらの相互作用の包括的な記録が含まれている。
  論文  参考訳（メタデータ） (2024-03-13T05:51:57Z)
• 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)
• 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 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)
• Prompt Engineering or Fine Tuning: An Empirical Assessment of Large Language Models in Automated Software Engineering Tasks [8.223311621898983]
  対話型プロンプトを持つ GPT-4 は, 自動プロンプト戦略を持つ GPT-4 に比べて劇的な改善を示した。 完全に自動化されたプロンプトエンジニアリング ループに人間はいない より多くの研究と改善が必要です
  論文  参考訳（メタデータ） (2023-10-11T00:21:00Z)
• Does Starting Deep Learning Homework Earlier Improve Grades? [63.20583929886827]
  宿題を早く始め、より多くの時間を費やしている学生は、宿題の成績が良くなるはずだ。 既存の文献が宿題に費やした時間の影響は明確ではなく、主にK-12教育から来ている。 我々は,学生の成功に対する影響を原則的に結論付けるために,階層的ベイズモデルを構築した。
  論文  参考訳（メタデータ） (2023-09-30T09:34:30Z)
• 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)
• 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)

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。