論文の概要: AI Mentors for Student Projects: Spotting Early Issues in Computer Science Proposals

• arxiv url: http://arxiv.org/abs/2503.05782v1
• Date: Wed, 26 Feb 2025 16:24:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-16 08:47:13.258672
• Title: AI Mentors for Student Projects: Spotting Early Issues in Computer Science Proposals
• Title（参考訳）: 学生プロジェクトのためのAIメンタ - コンピュータサイエンス提案の早期問題を探る
• Authors: Gati Aher, Robin Schmucker, Tom Mitchell, Zachary C. Lipton,
• Abstract要約: 我々は,学生が適任に就けるかどうかを判断するために,プロジェクト提案や情報を収集し,教育者を支援するソフトウェアシステムの開発を行う。 ユーザがプロジェクト提案を書いて,さらに学ぶためのツールや技術を特定するのに,このシステムを有用だと認識していることが分かりました。 学生のプロジェクト提案の質を評価するためにLLMを使うことは有望であるが、その長期的な効果は、学生の成功と学習意欲を確実に予測する指標を特徴付けることによる。
• 参考スコア（独自算出の注目度）: 35.92015790655676
• License:
• Abstract: When executed well, project-based learning (PBL) engages students' intrinsic motivation, encourages students to learn far beyond a course's limited curriculum, and prepares students to think critically and maturely about the skills and tools at their disposal. However, educators experience mixed results when using PBL in their classrooms: some students thrive with minimal guidance and others flounder. Early evaluation of project proposals could help educators determine which students need more support, yet evaluating project proposals and student aptitude is time-consuming and difficult to scale. In this work, we design, implement, and conduct an initial user study (n = 36) for a software system that collects project proposals and aptitude information to support educators in determining whether a student is ready to engage with PBL. We find that (1) users perceived the system as helpful for writing project proposals and identifying tools and technologies to learn more about, (2) educator ratings indicate that users with less technical experience in the project topic tend to write lower-quality project proposals, and (3) GPT-4o's ratings show agreement with educator ratings. While the prospect of using LLMs to rate the quality of students' project proposals is promising, its long-term effectiveness strongly hinges on future efforts at characterizing indicators that reliably predict students' success and motivation to learn.
• Abstract（参考訳）: プロジェクトベースラーニング(PBL)は、学生の本質的なモチベーションを生かし、課程の限られたカリキュラムをはるかに超越した学習を奨励し、学生が処分のスキルやツールについて批判的かつ成熟的に考えるように準備する。 しかし、教室でPBLを使用する場合、教育者は様々な結果を経験する。 プロジェクト提案の早期評価は、教育者がどの学生を支援する必要があるかを判断するのに役立つが、プロジェクト提案を評価し、学生の適性を評価するのに時間がかかる。 本研究では,学生がPBLに参加する準備が整っているかどうかを判断するために,プロジェクト提案や適性情報を集めるソフトウェアシステムの初期ユーザスタディ(n = 36)を設計し,実装し,実施する。 その結果,(1) 利用者は,プロジェクト提案の執筆や,さらに学ぶべきツールや技術を特定するのに,(2) 教育者評価は,プロジェクトトピックにおける技術的経験の少ないユーザが,低品質なプロジェクト提案を書く傾向を示し,(3) GPT-4o の評価は,教育者評価と一致していることがわかった。 学生のプロジェクト提案の質を評価するためにLLMを使うことは有望であるが、その長期的な効果は、学生の成功と学習意欲を確実に予測する指標を特徴付けるための今後の努力に強く影響している。

関連論文リスト

• Co-designing Large Language Model Tools for Project-Based Learning with K12 Educators [10.100127895043235]
  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。
  論文  参考訳（メタデータ） (2025-02-13T22:23:08Z)
• 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)
• "Give me the code" -- Log Analysis of First-Year CS Students' Interactions With GPT [0.0]
  本稿では,69人の新入生がプロジェクト課題の中で特定のプログラミング問題を解くために用いたプロンプトを解析する。 本研究は,未解決のプロンプト技術を用いているにもかかわらず,ほとんどの学生がGPTをうまく活用できたことを示唆している。 学生の半数は、複数のGPT生成ソリューションから選択する際の判断を訓練する能力を示した。
  論文  参考訳（メタデータ） (2024-11-26T20:11:46Z)
• 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)
• Good Idea or Not, Representation of LLM Could Tell [86.36317971482755]
  我々は、大規模言語モデルの知識を活用し、科学的アイデアのメリットを評価することを目的としたアイデアアセスメントに焦点をあてる。 我々は、このタスクに対する様々なアプローチのパフォーマンスを訓練し評価するために、細心の注意を払って設計された、フルテキストを持つ約4万の原稿からベンチマークデータセットをリリースする。 その結果, 大規模言語モデルの表現は, 生成出力よりもアイデアの価値を定量化する可能性が高いことが示唆された。
  論文  参考訳（メタデータ） (2024-09-07T02:07:22Z)
• Explainable Few-shot Knowledge Tracing [48.877979333221326]
  本稿では,学生の記録から学生の知識をトラッキングし,自然言語による説明を提供する認知誘導フレームワークを提案する。 3つの広く使われているデータセットによる実験結果から、LLMは競合する深層知識追跡手法に匹敵する、あるいは優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-05-23T10:07:21Z)
• 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)
• Identifying Student Profiles Within Online Judge Systems Using Explainable Artificial Intelligence [6.638206014723678]
  オンライン審査員(OJ)システムは通常、学生によって開発されたコードの高速かつ客観的な評価を得られるため、プログラミング関連のコースの中で考慮される。 本研究の目的は,OJが収集した情報のさらなる活用を考慮し,学生とインストラクターの両方のフィードバックを自動的に推測することで,この制限に対処することである。
  論文  参考訳（メタデータ） (2024-01-29T12:11:30Z)
• A Machine Learning system to monitor student progress in educational institutes [0.0]
  本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。 信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
  論文  参考訳（メタデータ） (2022-11-02T08:24:08Z)
• Experience of Teaching Data Visualization using Project-based Learning [0.3437656066916039]
  学生が目標を達成するために必要な場合、どのインプットが提供されたかを示す。 学生が目標を達成するのに役立つツールについて議論し、比較する。
  論文  参考訳（メタデータ） (2021-10-21T16:47:34Z)

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。