論文の概要: Modifying AI, Enhancing Essays: How Active Engagement with Generative AI Boosts Writing Quality

• arxiv url: http://arxiv.org/abs/2412.07200v1
• Date: Tue, 10 Dec 2024 05:32:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 14:38:54.079003
• Title: Modifying AI, Enhancing Essays: How Active Engagement with Generative AI Boosts Writing Quality
• Title（参考訳）: AIを改良し、エッセイを強化する - 生成AIによるアクティブエンゲージメントによって、品質が向上する
• Authors: Kaixun Yang, Mladen Raković, Zhiping Liang, Lixiang Yan, Zijie Zeng, Yizhou Fan, Dragan Gašević, Guanliang Chen,
• Abstract要約: 学生は執筆を支援するためにジェネレーティブAI(GAI)をますます頼りにしている。 本研究は, GAI支援書記における教師の学生学習の評価と支援を支援することを目的とした。
• 参考スコア（独自算出の注目度）: 4.517077427559346
• License:
• Abstract: Students are increasingly relying on Generative AI (GAI) to support their writing-a key pedagogical practice in education. In GAI-assisted writing, students can delegate core cognitive tasks (e.g., generating ideas and turning them into sentences) to GAI while still producing high-quality essays. This creates new challenges for teachers in assessing and supporting student learning, as they often lack insight into whether students are engaging in meaningful cognitive processes during writing or how much of the essay's quality can be attributed to those processes. This study aimed to help teachers better assess and support student learning in GAI-assisted writing by examining how different writing behaviors, especially those indicative of meaningful learning versus those that are not, impact essay quality. Using a dataset of 1,445 GAI-assisted writing sessions, we applied the cutting-edge method, X-Learner, to quantify the causal impact of three GAI-assisted writing behavioral patterns (i.e., seeking suggestions but not accepting them, seeking suggestions and accepting them as they are, and seeking suggestions and accepting them with modification) on four measures of essay quality (i.e., lexical sophistication, syntactic complexity, text cohesion, and linguistic bias). Our analysis showed that writers who frequently modified GAI-generated text-suggesting active engagement in higher-order cognitive processes-consistently improved the quality of their essays in terms of lexical sophistication, syntactic complexity, and text cohesion. In contrast, those who often accepted GAI-generated text without changes, primarily engaging in lower-order processes, saw a decrease in essay quality. Additionally, while human writers tend to introduce linguistic bias when writing independently, incorporating GAI-generated text-even without modification-can help mitigate this bias.
• Abstract（参考訳）: 学生は、教育における重要な教育実践である執筆を支援するために、ジェネレーティブAI(GAI)をますます頼りにしている。 GAI支援執筆において、学生は、高品質なエッセイを作成しながら、コア認知タスク(例えば、アイデアを生成し、文章に変換する)をGAIに委譲することができる。 このことは、学生が執筆中に有意義な認知プロセスに従事しているか、エッセイの質のどれがこれらのプロセスに起因しているかについての洞察が欠如しているため、教師が生徒の学習を評価し、支援する上で新たな課題を生み出している。 本研究の目的は,特に有意義な学習を示唆するものと,そうでないものとの違いが,エッセイの質にどのような影響を及ぼすかを調べることで,GAI支援書記における生徒の学習の評価と支援を支援することである。 筆者らは1,445 GAI支援書記セッションのデータセットを用いて,3つのGAI支援書記行動パターン(提案を求めるが,それを受け入れない)のエッセイ品質(語彙的洗練,構文的複雑性,テキスト結束,言語的バイアス)の因果的影響を定量化するために,最先端手法であるX-ラーナーを適用した。 分析の結果,高次認知過程における GAI 生成の活発な関与を頻繁に修正した著者は,語彙的洗練,構文的複雑度,テキストの凝集度の観点から,エッセイの質を継続的に改善した。 対照的に、主に下級工程に携わる、変化のないGAI生成テキストをしばしば受け入れた者は、エッセイの質が低下した。 さらに、人文作家は、独立して書く際に言語バイアスを導入する傾向があるが、修正することなく、GAI生成したテキストを組み込むことで、このバイアスを軽減することができる。

関連論文リスト

• "It was 80% me, 20% AI": Seeking Authenticity in Co-Writing with Large Language Models [97.22914355737676]
  我々は、AIツールと共同で書き込む際に、著者が自分の真正な声を保存したいかどうか、どのように検討する。 本研究は,人間とAIの共創における真正性の概念を解明するものである。 読者の反応は、人間とAIの共著に対する関心が低かった。
  論文  参考訳（メタデータ） (2024-11-20T04:42:32Z)
• How Does the Disclosure of AI Assistance Affect the Perceptions of Writing? [29.068596156140913]
  筆者らは,筆記プロセスにおけるAI支援のレベルとタイプが,書記プロセスに対する人々の認識にどのように影響するかについて検討した。 以上の結果から,特にAIが新たなコンテンツ生成の支援を提供していれば,文章作成プロセスにおけるAI支援の開示は,平均品質評価を低下させる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-10-06T16:45:33Z)
• Inclusivity in Large Language Models: Personality Traits and Gender Bias in Scientific Abstracts [49.97673761305336]
  我々は,3つの大きな言語モデル (LLM) を,人間の物語スタイルと潜在的な性別バイアスに適合させることで評価した。 以上の結果から,これらのモデルは一般的にヒトの投稿内容によく似たテキストを生成するが,スタイル的特徴の変化は有意な性差を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-06-27T19:26:11Z)
• A School Student Essay Corpus for Analyzing Interactions of Argumentative Structure and Quality [12.187586364960758]
  我々は,2つの年齢集団の学生のエッセイ1,320件のドイツ語コーパスを提示する。 各エッセイは、複数のレベルの粒度の議論的構造と品質のために手動で注釈付けされている。 議論マイニングとエッセイスコアリングのためのベースラインアプローチを提案し,両タスク間の相互作用を分析する。
  論文  参考訳（メタデータ） (2024-04-03T07:31:53Z)
• Automatic and Human-AI Interactive Text Generation [27.05024520190722]
  本チュートリアルは、最先端の自然言語生成研究の概要を提供する。 テキストからテキストへの生成タスクは、セマンティック一貫性とターゲット言語スタイルの観点からより制約される。
  論文  参考訳（メタデータ） (2023-10-05T20:26:15Z)
• Automated Essay Scoring in Argumentative Writing: DeBERTeachingAssistant [0.0]
  本稿では,議論的記述談話要素の注釈付けにおいて,上述の精度を達成できるトランスフォーマーに基づくアーキテクチャを提案する。 我々は、学生に実行可能なフィードバックを提供するために、我々のモデルの説明可能性を調べる今後の研究を拡大する。
  論文  参考訳（メタデータ） (2023-07-09T23:02:19Z)
• To Revise or Not to Revise: Learning to Detect Improvable Claims for Argumentative Writing Support [20.905660642919052]
  特定の修正が必要な議論的クレームを特定するための主な課題について検討する。 本稿では,リビジョン距離に基づく新しいサンプリング戦略を提案する。 文脈情報とドメイン知識を用いることで、予測結果をさらに改善できることを示す。
  論文  参考訳（メタデータ） (2023-05-26T10:19:54Z)
• AI, write an essay for me: A large-scale comparison of human-written versus ChatGPT-generated essays [66.36541161082856]
  ChatGPTや同様の生成AIモデルは、何億人ものユーザーを惹きつけている。 本研究は,ChatGPTが生成した議論的学生エッセイと比較した。
  論文  参考訳（メタデータ） (2023-04-24T12:58:28Z)
• A Survey on Retrieval-Augmented Text Generation [53.04991859796971]
  Retrieval-augmented text generationは顕著な利点があり、多くのNLPタスクで最先端のパフォーマンスを実現している。 まず、検索拡張生成の一般的なパラダイムを強調し、異なるタスクに応じて注目すべきアプローチをレビューする。
  論文  参考訳（メタデータ） (2022-02-02T16:18:41Z)
• Compression, Transduction, and Creation: A Unified Framework for Evaluating Natural Language Generation [85.32991360774447]
  自然言語生成(NLG)は幅広いタスクにまたがっており、それぞれが特定の目的のために機能する。 NLGタスクにおける情報変化の性質に基づく統一的な視点を提案する。 我々は,異なるNLGタスクの重要な側面を評価するのに適した,解釈可能なメトリクスのファミリーを開発する。
  論文  参考訳（メタデータ） (2021-09-14T01:00:42Z)
• TextGAIL: Generative Adversarial Imitation Learning for Text Generation [68.3579946817937]
  本稿では,大規模な事前学習言語モデルを用いて,より信頼性の高い報酬ガイダンスを提供するテキスト生成のための生成逆模倣学習フレームワークを提案する。 提案手法では, テキスト生成性能の安定化と向上のために, コントラスト判別器とPPOを用いた。
  論文  参考訳（メタデータ） (2020-04-07T00:24:35Z)

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。