論文の概要: Connecting Feedback to Choice: Understanding Educator Preferences in GenAI vs. Human-Created Lesson Plans in K-12 Education -- A Comparative Analysis

• arxiv url: http://arxiv.org/abs/2504.05449v1
• Date: Mon, 07 Apr 2025 19:28:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-09 13:30:53.388941
• Title: Connecting Feedback to Choice: Understanding Educator Preferences in GenAI vs. Human-Created Lesson Plans in K-12 Education -- A Comparative Analysis
• Title（参考訳）: フィードバックと選択の結びつき--K-12教育におけるヒューマン・クレーテッド・レッスンプランとGenAIの教育者選好の理解--比較分析
• Authors: Shawon Sarkar, Min Sun, Alex Liu, Zewei Tian, Lief Esbenshade, Jian He, Zachary Zhang,
• Abstract要約: ジェネレーティブAI(GenAI)モデルは、教育応用のためにますます研究されている。 本研究は,人間のカリキュラム設計者が作成した授業計画,K-12コンテンツに基づく微調整 LLaMA-2-13b モデル,カスタマイズ GPT-4 モデルを比較した。 K-12数学教育者による大規模嗜好調査を用いて、選好が学級や教示要素によってどのように異なるかを検討する。
• 参考スコア（独自算出の注目度）: 11.204345070162592
• License:
• Abstract: As generative AI (GenAI) models are increasingly explored for educational applications, understanding educator preferences for AI-generated lesson plans is critical for their effective integration into K-12 instruction. This exploratory study compares lesson plans authored by human curriculum designers, a fine-tuned LLaMA-2-13b model trained on K-12 content, and a customized GPT-4 model to evaluate their pedagogical quality across multiple instructional measures: warm-up activities, main tasks, cool-down activities, and overall quality. Using a large-scale preference study with K-12 math educators, we examine how preferences vary across grade levels and instructional components. We employ both qualitative and quantitative analyses. The raw preference results indicate that human-authored lesson plans are generally favored, particularly for elementary education, where educators emphasize student engagement, scaffolding, and collaborative learning. However, AI-generated models demonstrate increasing competitiveness in cool-down tasks and structured learning activities, particularly in high school settings. Beyond quantitative results, we conduct thematic analysis using LDA and manual coding to identify key factors influencing educator preferences. Educators value human-authored plans for their nuanced differentiation, real-world contextualization, and student discourse facilitation. Meanwhile, AI-generated lesson plans are often praised for their structure and adaptability for specific instructional tasks. Findings suggest a human-AI collaborative approach to lesson planning, where GenAI can serve as an assistive tool rather than a replacement for educator expertise in lesson planning. This study contributes to the growing discourse on responsible AI integration in education, highlighting both opportunities and challenges in leveraging GenAI for curriculum development.
• Abstract（参考訳）: ジェネレーティブAI(GenAI)モデルは、教育応用のためにますます研究されているため、AI生成のレッスンプランに対する教育者の好みを理解することは、K-12教育への効果的な統合に不可欠である。 この探索的な研究は、人間のカリキュラムデザイナーが作成した授業計画、K-12コンテンツに基づいて訓練された微調整のLLaMA-2-13bモデル、および複数の教育的尺度(ウォームアップ活動、メインタスク、冷え込み活動、全体的な品質)で教育的品質を評価するためのカスタマイズされたGPT-4モデルを比較した。 K-12数学教育者による大規模嗜好調査を用いて、選好が学級や教示要素によってどのように異なるかを検討する。 我々は質的分析と定量分析の両方を用いる。 特に初等教育では, 学生のエンゲージメント, 足場, 協調学習が重視される。 しかし、AI生成モデルは、特に高校環境では、クーダウンタスクや構造化学習活動における競争力の増大を示す。 定量的な結果の他に、LDAと手動コーディングを用いてテーマ分析を行い、教育者の嗜好に影響を及ぼす重要な要因を同定する。 教育者は、その微妙な差別化、現実世界の文脈化、学生の談話のファシリテーションのために、人間によるプランを重んじる。 一方、AIが生み出すレッスンプランは、その構造と特定の指導タスクへの適応性で称賛されることが多い。 GenAIは、授業計画における教育者の専門知識の代替ではなく、支援ツールとして機能する。 この研究は、教育における責任あるAI統合に関する議論の高まりに寄与し、カリキュラム開発にGenAIを活用するための機会と課題の両方を強調している。

関連論文リスト

• 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)
• From Automation to Cognition: Redefining the Roles of Educators and Generative AI in Computing Education [2.0628700367476203]
  Generative Artificial Intelligence(GenAI)は、コンピュータ教育(CE)における教育と学習に革命をもたらす機会を提供する しかし、教育者は、学生がGenAIを過度に信頼し、これらのツールを使って学習プロセスに携わることなくソリューションを生成するのではないかという懸念を表明している。 本稿では、CSに着目した教育環境におけるGenAIの使用経験と、それに従って実施した変化について述べる。
  論文  参考訳（メタデータ） (2024-12-16T03:36:25Z)
• Enhancing Instructional Quality: Leveraging Computer-Assisted Textual Analysis to Generate In-Depth Insights from Educational Artifacts [13.617709093240231]
  本研究では、人工知能(AI)と機械学習(ML)が教育内容、教師の談話、学生の反応を分析して教育改善を促進する方法について検討する。 私たちは、教師のコーチング、学生のサポート、コンテンツ開発など、AI/ML統合が大きな利点をもたらす重要な領域を特定します。 本稿では,AI/ML技術と教育的目標との整合性の重要性を強調し,その教育的可能性を実現する。
  論文  参考訳（メタデータ） (2024-03-06T18:29:18Z)
• 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)
• Tailoring Education with GenAI: A New Horizon in Lesson Planning [0.21427777919040414]
  本研究では、教育者のためのデジタルアシスタントとして設計されたGenAIツールを導入し、カスタマイズされた授業プランの作成を可能にする。 このツールは'interactive mega-prompt'と呼ばれる革新的な機能を利用している。 ツールの有効性を評価するため,定量的(時間節約率の%)と質的(ユーザ満足度)の両方を取り入れた総合的な方法論を実装した。
  論文  参考訳（メタデータ） (2024-02-12T17:30:05Z)
• Designing for human-AI complementarity in K-12 education [2.741266294612776]
  教師がAI支援教室で生徒を助けるのに役立つスマートグラス「ルミロ」の反復設計と評価を紹介します。 K-12教室で実施したフィールドスタディの結果,教師とAI教師が協力して働くと,学生がより多くを学ぶことが示唆された。
  論文  参考訳（メタデータ） (2021-04-02T22:38:50Z)
• 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)
• Creation and Evaluation of a Pre-tertiary Artificial Intelligence (AI) Curriculum [58.86139968005518]
  香港大学(CUHK)-Jockey Club AI for the Future Project(AI4Future)は、第3次教育のためのAIカリキュラムを共同開発した。 工学と教育を専門とする14人の教授が、6つの中学校の17の校長と教師と協力してカリキュラムを共同作成した。 共同創造プロセスは、AIにおける教師の知識を高める様々なリソースを生み出し、その課題を教室に持ち込むための教師の自主性を育んだ。
  論文  参考訳（メタデータ） (2021-01-19T11:26:19Z)
• Designing AI Learning Experiences for K-12: Emerging Works, Future Opportunities and a Design Framework [18.512494098690144]
  我々は、K-12AIと教育文献のコレクションを分析し、AIリテラシーのコア能力がどのようにうまく適用されているかを示す。 我々は、K-12AI学習体験の作成において、研究者、デザイナー、教育者を支援する概念的なフレームワークに合成した。
  論文  参考訳（メタデータ） (2020-09-22T00:08:04Z)
• 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)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。