論文の概要: Co-designing Large Language Model Tools for Project-Based Learning with K12 Educators

• arxiv url: http://arxiv.org/abs/2502.09799v1
• Date: Thu, 13 Feb 2025 22:23:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:48:02.629181
• Title: Co-designing Large Language Model Tools for Project-Based Learning with K12 Educators
• Title（参考訳）: K12エデュケータを用いたプロジェクトベース学習のための大規模言語モデルツールの共同設計
• Authors: Prerna Ravi, John Masla, Gisella Kakoti, Grace Lin, Emma Anderson, Matt Taylor, Anastasia Ostrowski, Cynthia Breazeal, Eric Klopfer, Hal Abelson,
• Abstract要約: 生成型大規模言語モデル (LLMs) は、学生ベースのアクティブラーニング手法の扉を開いた。 プロジェクト設計と管理、評価、指導は、学生の実践の課題である。 教室における生成型大規模言語モデルの今後の展開に関するガイドラインを提案する。
• 参考スコア（独自算出の注目度）: 10.100127895043235
• License:
• Abstract: The emergence of generative AI, particularly large language models (LLMs), has opened the door for student-centered and active learning methods like project-based learning (PBL). However, PBL poses practical implementation challenges for educators around project design and management, assessment, and balancing student guidance with student autonomy. The following research documents a co-design process with interdisciplinary K-12 teachers to explore and address the current PBL challenges they face. Through teacher-driven interviews, collaborative workshops, and iterative design of wireframes, we gathered evidence for ways LLMs can support teachers in implementing high-quality PBL pedagogy by automating routine tasks and enhancing personalized learning. Teachers in the study advocated for supporting their professional growth and augmenting their current roles without replacing them. They also identified affordances and challenges around classroom integration, including resource requirements and constraints, ethical concerns, and potential immediate and long-term impacts. Drawing on these, we propose design guidelines for future deployment of LLM tools in PBL.
• Abstract（参考訳）: 生成AIの出現、特に大規模言語モデル(LLM)は、プロジェクトベース学習(PBL)のような学生中心で活発な学習方法の扉を開いた。 しかしながら、PBLは、プロジェクト設計と管理、評価、学生指導と学生自治のバランスに関する教育者に対して、実践的な実装課題を提起している。 以下の研究は、学際的なK-12教師が直面する現在のPBL課題を探求し、対処するための共同設計プロセスについて文書化している。 教師主導のインタビュー,共同ワークショップ,ワイヤフレームの反復設計を通じて,ルーチンタスクの自動化とパーソナライズドラーニングの強化により,高品質なPBL教育を実現する上で,LLMが教師を支援する方法の証拠を収集した。 この研究の教師は、彼らの専門的な成長を支援し、それを置き換えることなく現在の役割を増強することを提唱した。 彼らはまた、リソース要件や制約、倫理的懸念、即時および長期的影響を含む、教室の統合に関する余裕と課題を明らかにした。 そこで本稿では,PBL における LLM ツールの今後の展開に関する設計ガイドラインを提案する。

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)
• 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)
• Integrating HCI Datasets in Project-Based Machine Learning Courses: A College-Level Review and Case Study [0.7499722271664147]
  本研究では,HCI(Human-Computer Interface)データセットを用いた実世界の機械学習プロジェクトの統合について検討する。
  論文  参考訳（メタデータ） (2024-08-06T23:05:15Z)
• PLaD: Preference-based Large Language Model Distillation with Pseudo-Preference Pairs [47.35598271306371]
  大きな言語モデル(LLM)は、様々なタスクにおいて印象的な機能を示しているが、その膨大なパラメータサイズは、リソース制約のある設定での適用性を制限している。 知識蒸留(KD)は、大規模な教師モデルからコンパクトな学生モデルに専門知識を移すことによって、実行可能なソリューションを提供する。 PLaD は新規な嗜好に基づく LLM 蒸留フレームワークである。
  論文  参考訳（メタデータ） (2024-06-05T03:08:25Z)
• Distilling Instruction-following Abilities of Large Language Models with Task-aware Curriculum Planning [12.651588927599441]
  インストラクションチューニングは、大きな言語モデルにオープンドメイン命令と人間優先応答を合わせることを目的としている。 学生のLLMの追従が難しい命令を選択するために,TAPIR(Task-Aware Curriculum Planning for Instruction Refinement)を導入する。 学生の能力のバランスをとるために、トレーニングセット内のタスク分布は、対応するタスクに応じて自動的に調整された応答で調整される。
  論文  参考訳（メタデータ） (2024-05-22T08:38:26Z)
• Large Language Models for Education: A Survey and Outlook [69.02214694865229]
  各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。 本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
  論文  参考訳（メタデータ） (2024-03-26T21:04:29Z)
• 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)
• 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)
• Impact of Guidance and Interaction Strategies for LLM Use on Learner Performance and Perception [19.335003380399527]
  大規模言語モデル(LLM)は、その教育的有用性を探求する研究の増加とともに、有望な道を提供する。 本研究は,LLM支援学習環境の形成において,教師が果たす役割を強調した。
  論文  参考訳（メタデータ） (2023-10-13T01:21:52Z)
• Visualizing Self-Regulated Learner Profiles in Dashboards: Design Insights from Teachers [9.227158301570787]
  学生の自己統制学習(SRL)行動を監視するダッシュボードであるFlippEDの設計と実装を行う。 10人の大学教員を対象としたセミ構造化インタビューにおいて,ツールのユーザビリティと動作性を評価した。
  論文  参考訳（メタデータ） (2023-05-26T12:03:11Z)
• Exploratory Learning Environments for Responsible Management Education Using Lego Serious Play [0.0]
  我々は,教育的枠組みを開発するための学習促進アプローチとして,構成主義的学習理論とLego Serious Play(LSP)を取り上げる。 LSPは、重要な談話を促進し、非常に複雑な問題に取り組むための学習環境への応用が増えているため、選択されている。
  論文  参考訳（メタデータ） (2021-03-27T22:28:34Z)

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。