論文の概要: Combining Large Language Models with Tutoring System Intelligence: A Case Study in Caregiver Homework Support

• arxiv url: http://arxiv.org/abs/2412.11995v1
• Date: Mon, 16 Dec 2024 17:22:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 14:02:21.082446
• Title: Combining Large Language Models with Tutoring System Intelligence: A Case Study in Caregiver Homework Support
• Title（参考訳）: 大規模言語モデルとチュータシステムインテリジェンスを組み合わせる:介護者ホームワーク支援を事例として
• Authors: Devika Venugopalan, Ziwen Yan, Conrad Borchers, Jionghao Lin, Vincent Aleven,
• Abstract要約: 我々は,Large Language Model (LLM) が生成する会話レコメンデーションを通じて,介護者に対して指導支援を行うシステムを開発する。 教師システムからリアルタイムの問題解決コンテキストを学習プラクティスの例と組み合わせることで、望ましいメッセージレコメンデーションが得られた。
• 参考スコア（独自算出の注目度）: 0.8837980599936291
• License:
• Abstract: Caregivers (i.e., parents and members of a child's caring community) are underappreciated stakeholders in learning analytics. Although caregiver involvement can enhance student academic outcomes, many obstacles hinder involvement, most notably knowledge gaps with respect to modern school curricula. An emerging topic of interest in learning analytics is hybrid tutoring, which includes instructional and motivational support. Caregivers assert similar roles in homework, yet it is unknown how learning analytics can support them. Our past work with caregivers suggested that conversational support is a promising method of providing caregivers with the guidance needed to effectively support student learning. We developed a system that provides instructional support to caregivers through conversational recommendations generated by a Large Language Model (LLM). Addressing known instructional limitations of LLMs, we use instructional intelligence from tutoring systems while conducting prompt engineering experiments with the open-source Llama 3 LLM. This LLM generated message recommendations for caregivers supporting their child's math practice via chat. Few-shot prompting and combining real-time problem-solving context from tutoring systems with examples of tutoring practices yielded desirable message recommendations. These recommendations were evaluated with ten middle school caregivers, who valued recommendations facilitating content-level support and student metacognition through self-explanation. We contribute insights into how tutoring systems can best be merged with LLMs to support hybrid tutoring settings through conversational assistance, facilitating effective caregiver involvement in tutoring systems.
• Abstract（参考訳）: 介護者(つまり、子どものケアコミュニティの親とメンバー)は、分析を学ぶことの利害関係者である。 介護者の関与は、学生の学術的成果を高めることができるが、多くの障害が関与を妨げる。 学習分析への関心が高まっているトピックは、教育的およびモチベーション的サポートを含むハイブリッド・チュータリングである。 介護者は、宿題における同様の役割を主張するが、アナリティクスがどのようにそれらをサポートするかは分かっていない。 介護者との過去の研究から,対話支援は,学生の学習を効果的に支援するために必要な指導を介護者に提供するための有望な方法である可能性が示唆された。 本研究では,Large Language Model (LLM) が生成する会話レコメンデーションを通じて,介護者の指導支援を行うシステムを開発した。 LLMの既知の教育的制限に対処するため,Llama 3 LLMを用いて,学習システムからのインストラクショナルインテリジェンスを使用し,迅速な工学実験を行う。 このLLMは、チャットを通じて子供の数学の実践を支援する介護者向けのメッセージレコメンデーションを生成する。 教師システムからリアルタイムの問題解決コンテキストを学習プラクティスの例と組み合わせることで、望ましいメッセージレコメンデーションが得られた。 これらの勧告は、自己説明を通じてコンテンツレベルの支援と学生のメタ認知を促進するレコメンデーションを重んじる中学生介護者10名によって評価された。 我々は,学習支援システムをLLMと統合して,会話支援を通じてハイブリッド学習環境をサポートし,学習システムへの効果的な介護者の関与を促進するための知見を提供する。

関連論文リスト

• Position: LLMs Can be Good Tutors in Foreign Language Education [87.88557755407815]
  我々は、外国語教育(FLE)において、大きな言語モデル(LLM)が効果的な家庭教師として機能する可能性を主張する。 具体的には、(1)データエンハンサーとして、(2)学習教材の作成や学生シミュレーションとして、(2)タスク予測器として、学習者の評価や学習経路の最適化に、(3)エージェントとして、そして、パーソナライズされた包括的教育を可能にする3つの重要な役割を果たせる。
  論文  参考訳（メタデータ） (2025-02-08T06:48:49Z)
• How Good is ChatGPT in Giving Adaptive Guidance Using Knowledge Graphs in E-Learning Environments? [0.8999666725996978]
  本研究では,動的知識グラフを大規模言語モデル (LLM) と統合し,学習者を支援する手法を提案する。 この手法の中心は、学生がトピックの前提条件を理解する上での知識グラフの役割である。 予備的な知見から, 学生はこの連携支援の恩恵を受け, 理解の向上と課題成果の向上が期待できる。
  論文  参考訳（メタデータ） (2024-12-05T04:05:43Z)
• Embracing AI in Education: Understanding the Surge in Large Language Model Use by Secondary Students [53.20318273452059]
  OpenAIのChatGPTのような大規模言語モデル(LLM)は、新しい教育の道を開いた。 学校制限にもかかわらず,中高生300人以上を対象に調査を行ったところ,学生の70%がLDMを利用していることがわかった。 我々は、対象特化モデル、パーソナライズドラーニング、AI教室など、このような問題に対処するいくつかのアイデアを提案する。
  論文  参考訳（メタデータ） (2024-11-27T19:19:34Z)
• Towards the Pedagogical Steering of Large Language Models for Tutoring: A Case Study with Modeling Productive Failure [36.83786872708736]
  1対1の授業は、最も効果的な教育方法の1つである。 先進的で効果的な学習設計であるProductive Failure (PF) に倣って, 高校数学のプロトタイプチューターを作成する。 我々は,StratLがLLMの運営に成功し,生産的失敗の学習戦略に従うことを定量的に示す。
  論文  参考訳（メタデータ） (2024-10-03T16:15:41Z)
• Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs [49.18567856499736]
  本研究では,大規模言語モデル(LLM)が対話学習を支援することができるかどうかを検討する。 我々は,学習者の知識レベルを対話全体にわたって追跡するために,ラベル付きデータに知識追跡(KT)手法を適用した。 我々は,2つの学習対話データセットの実験を行い,従来のKT手法よりも学生の反応の正しさを予測できる新しいLCM-based method LLMKTが優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-24T22:31:39Z)
• 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)
• Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
  大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。 我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
  論文  参考訳（メタデータ） (2023-07-05T06:03:40Z)
• A Survey on Large Language Models for Recommendation [77.91673633328148]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。 本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
  論文  参考訳（メタデータ） (2023-05-31T13:51:26Z)
• 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)

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。