論文の概要: Intelligent Tutors for Adult Learners: An Analysis of Needs and Challenges

• arxiv url: http://arxiv.org/abs/2412.04477v1
• Date: Tue, 19 Nov 2024 19:05:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-23 16:39:32.528859
• Title: Intelligent Tutors for Adult Learners: An Analysis of Needs and Challenges
• Title（参考訳）: 成人学習者のための知能チュータ : ニーズと課題の分析
• Authors: Adit Gupta, Momin Siddiqui, Glen Smith, Jenn Reddig, Christopher MacLellan,
• Abstract要約: 本稿では,知的学習システムなどの教育技術を用いた成人学習者のニーズを明らかにすることを目的とする。 私たちは4つのインテリジェントな家庭教師を作り、それを1年間、州立大学の110の教室に展開しました。
• 参考スコア（独自算出の注目度）: 0.4916390772672078
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper aims to uncover needs of adult learners when using pedagogical technologies such as intelligent tutoring systems. Further, our aim with this work is to understand the usability challenges when deploying tutors at scale within the adult learning audience. As educational technologies become more ubiquitous within k-12 education, this paper aims to bridge the gap in understanding on how adult users might utilize intelligent tutors. In pursuit of this, we built four intelligent tutors, and deployed them to 110 classrooms at a state technical college for an entire academic year. Following this deployment, we conducted focus groups amongst users to gather data to understand how learners perceived the optional educational technology during their academic journey. We further analyzed this data using foundational HCI methodologies to extract leanings and design recommendations on how developers might craft educational technologies for adoption at scale for the adult learning population.
• Abstract（参考訳）: 本稿では,知的学習システムなどの教育技術を用いた成人学習者のニーズを明らかにすることを目的とする。 さらに,本研究の目的は,成人の学習者を対象に,チューターを大規模に展開する際のユーザビリティの課題を理解することである。 そこで本稿は,k-12教育において教育技術がより普及するにつれて,成人利用者が知的家庭教師をどう活用するかという理解のギャップを埋めることを目的としている。 そこで我々は4つの知的な家庭教師をつくり、それを1年間、州立大学の110の教室に展開した。 この展開に続いて,学習者が学業中に任意の教育技術をどのように感じているかを理解するために,ユーザ間のフォーカスグループを調査した。 さらに,このデータを基礎的HCI手法を用いて分析し,成人学習者を対象に,開発者が大規模に導入可能な教育技術をいかに構築するかを設計する。

関連論文リスト

• INSIGHT: Bridging the Student-Teacher Gap in Times of Large Language Models [0.7499722271664147]
  INSIGHTは、さまざまなAIツールを組み合わせて、エクササイズを解決する過程において、スタッフと学生を教えることを支援する概念実証である。 我々は,学生の質問からFAQを動的に構築するキーワードを抽出することで,学生の質問をLLMに解析する。
  論文  参考訳（メタデータ） (2025-04-24T15:47:20Z)
• MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors [76.1634959528817]
  我々は、総合的なチューリングモデル評価のためのオープンソースのベンチマークであるMathTutorBenchを紹介する。 MathTutorBenchには、ダイアログベースの教育における科学の研究によって定義された、家庭教師の能力をカバーするデータセットとメトリクスが含まれている。 閉鎖的およびオープンウェイトなモデルの幅広いセットを評価し、問題解決能力によって示される課題の専門知識が、すぐには良い教育に変換されないことを発見した。
  論文  参考訳（メタデータ） (2025-02-26T08:43:47Z)
• Intelligent Tutors Beyond K-12: An Observational Study of Adult Learner Engagement and Academic Impact [0.0]
  本研究では,州立工業大学における成人学習者を対象に,新しい授業システム Apprentice Tutors の採用,利用パターン,有効性について検討した。 本研究は,教師間の知識コンポーネントのスキル改善を通じて,教師の関与の鍵となる時間的パターンを明らかにし,教師内での学習の証拠を提供するものである。 これらの結果は、知的家庭教師が成人学習者にとって有効なツールであり、この人口に対する長期的な影響についてさらなる研究を保証していることを示唆している。
  論文  参考訳（メタデータ） (2025-02-23T15:36:22Z)
• LLM-powered Multi-agent Framework for Goal-oriented Learning in Intelligent Tutoring System [54.71619734800526]
  GenMentorは、ITS内で目標指向でパーソナライズされた学習を提供するために設計されたマルチエージェントフレームワークである。 学習者の目標を、カスタムのゴール・トゥ・スキルデータセットでトレーニングされた微調整LDMを使用して、必要なスキルにマッピングする。 GenMentorは、個々の学習者のニーズに合わせて探索・描画・統合機構で学習内容を調整する。
  論文  参考訳（メタデータ） (2025-01-27T03:29:44Z)
• Education in the Era of Neurosymbolic AI [0.6468510459310326]
  我々は,ハイブリッドNAIアーキテクチャの重要な構成要素として,教育エージェントの独特な余裕を生かしたシステムを提案する。 我々は,NAI時代の教育によって,学習がよりアクセスしやすく,公平で,現実世界のスキルに適合するものになると結論づける。
  論文  参考訳（メタデータ） (2024-11-16T19:18:39Z)
• From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
  MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。 中国一の大学である清華大学で予備的な実験を行う。
  論文  参考訳（メタデータ） (2024-09-05T13:22:51Z)
• ChatGPT in Classrooms: Transforming Challenges into Opportunities in Education [0.14732811715354452]
  私たちはこの教育フロンティアの瀬戸際に立っており、多くの注意を払ってこの地形をナビゲートする必要があることは明らかです。 不適切に使用すると、AIツールはコピーペースト精神をカットするための完璧なツールになる。 この研究は、将来の研究者が自身のデータを適用し、運用するためのプロセスマニュアルとして使用される。
  論文  参考訳（メタデータ） (2024-05-17T09:17:59Z)
• Scaffolding Language Learning via Multi-modal Tutoring Systems with Pedagogical Instructions [34.760230622675365]
  知的家庭教師システム(ITS)は、人間の家庭教師を模倣し、学習者にカスタマイズされた指導やフィードバックを提供することを目的としている。 生成人工知能の出現に伴い、大規模言語モデル(LLM)は、複雑な会話の相互作用をシステムに付与する。 教育指導がITSの足場形成をいかに促進するかを,子どもに言語学習のための画像記述を指導するケーススタディにより検討した。
  論文  参考訳（メタデータ） (2024-04-04T13:22:28Z)
• Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
  大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。 本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
  論文  参考訳（メタデータ） (2023-12-27T14:37:32Z)
• Anticipating User Needs: Insights from Design Fiction on Conversational Agents for Computational Thinking [10.363782876965221]
  本研究では,演習を通じて学生を段階的に指導する対話エージェントを構想し,その指導方法を教育的背景,スキルと欠陥,学習嗜好を意識して調整する。 本稿では,計算思考とコンピュータプログラミングの教育を指向した学習エージェントの今後の実装について考察する。
  論文  参考訳（メタデータ） (2023-11-12T16:19:03Z)
• 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)
• Reinforcement Learning Tutor Better Supported Lower Performers in a Math Task [32.6507926764587]
  強化学習は、開発コストを削減し、インテリジェントな学習ソフトウェアの有効性を向上させるための重要なツールとなり得る。 本研究では, 深層強化学習を用いて, 音量の概念を学習する学生に適応的な教育支援を行うことができることを示す。
  論文  参考訳（メタデータ） (2023-04-11T02:11:24Z)
• 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)
• A Survey of Knowledge Tracing: Models, Variants, and Applications [70.69281873057619]
  知識追跡は、学生の行動データ分析の基本的なタスクの1つである。 我々は、異なる技術経路を持つ3種類の基本KTモデルを示す。 この急速に成長する分野における今後の研究の方向性について論じる。
  論文  参考訳（メタデータ） (2021-05-06T13:05:55Z)
• 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)
• Dual Policy Distillation [58.43610940026261]
  教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。 本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。 この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
  論文  参考訳（メタデータ） (2020-06-07T06:49:47Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)

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。