論文の概要: Exploring Student Behaviors and Motivations using AI TAs with Optional Guardrails

• arxiv url: http://arxiv.org/abs/2504.11146v1
• Date: Tue, 15 Apr 2025 12:48:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:10:41.845623
• Title: Exploring Student Behaviors and Motivations using AI TAs with Optional Guardrails
• Title（参考訳）: オプションガードレールを用いたAI TAによる学生の行動と動機の探索
• Authors: Amanpreet Kapoor, Marc Diaz, Stephen MacNeil, Leo Porter, Paul Denny,
• Abstract要約: ガードレール(Guardrails)は、直接的なソリューションではなく、足場によるサポートを提供する機能である。 See Solution"機能はガードレールを無効にし、基盤となるモデルから冗長な応答を生成します。 その結果、885人の学生の50%が少なくとも1つの問題に「See Solution」機能を使用し、14%が3つの問題に利用していることがわかった。
• 参考スコア（独自算出の注目度）: 2.097564039749475
• License:
• Abstract: AI-powered chatbots and digital teaching assistants (AI TAs) are gaining popularity in programming education, offering students timely and personalized feedback. Despite their potential benefits, concerns about student over-reliance and academic misconduct have prompted the introduction of "guardrails" into AI TAs - features that provide scaffolded support rather than direct solutions. However, overly restrictive guardrails may lead students to bypass these tools and use unconstrained AI models, where interactions are not observable, thus limiting our understanding of students' help-seeking behaviors. To investigate this, we designed and deployed a novel AI TA tool with optional guardrails in one lab of a large introductory programming course. As students completed three code writing and debugging tasks, they had the option to receive guardrailed help or use a "See Solution" feature which disabled the guardrails and generated a verbatim response from the underlying model. We investigate students' motivations and use of this feature and examine the association between usage and their course performance. We found that 50% of the 885 students used the "See Solution" feature for at least one problem and 14% used it for all three problems. Additionally, low-performing students were more likely to use this feature and use it close to the deadline as they started assignments later. The predominant factors that motivated students to disable the guardrails were assistance in solving problems, time pressure, lack of self-regulation, and curiosity. Our work provides insights into students' solution-seeking motivations and behaviors, which has implications for the design of AI TAs that balance pedagogical goals with student preferences.
• Abstract（参考訳）: AIを利用したチャットボットとデジタル教育アシスタント(AI TA)は、プログラミング教育で人気を集めており、学生にタイムリーでパーソナライズされたフィードバックを提供している。 その潜在的なメリットにもかかわらず、学生の過信や学術的不正に対する懸念は、直接的なソリューションではなく、足場付きサポートを提供する機能であるAI TAに"ガードレール"を導入するきっかけとなった。 しかし、過度に制限されたガードレールは、学生がこれらのツールをバイパスし、制約のないAIモデルを使用することにつながる可能性がある。 これを調べるため、我々は、大規模な入門プログラミングコースの1つの研究室で、オプションのガードレールを備えた新しいAI TAツールを設計、デプロイした。 学生が3つのコード記述とデバッグタスクを完了すると、ガードレールのヘルプを受け取るか、あるいはガードレールを無効にし、基盤となるモデルから冗長な応答を生成する"See Solution"機能を使用するオプションがあった。 本研究は,学生のモチベーションと利用状況について検討し,利用状況と授業成績との関連について検討する。 その結果、885人の学生の50%が少なくとも1つの問題に「See Solution」機能を使用し、14%が3つの問題に利用していることがわかった。 さらに、成績の低い学生は、後から課題を開始すると、この機能を使い、期限に近づいて使う傾向が強かった。 学生がガードレールを無効にする動機となった主な要因は、問題解決、時間圧、自己規制の欠如、好奇心の欠如であった。 我々の研究は、学生の解を求めるモチベーションと行動に関する洞察を提供し、教育的目標と学生の嗜好のバランスをとるAI TAの設計に影響を及ぼす。

関連論文リスト

• How Do Programming Students Use Generative AI? [7.863638253070439]
  プログラミングの学生がChatGPTのような生成AIツールを実際にどのように使っているかを検討した。 一般的な概念に関する知識を探り,ソリューションを直接生成する,という2つの一般的な利用戦略を観察した。 その結果,ジェネレーティブAIによるプログラマエージェンシーの潜在的な減少と生産性に関する懸念が正当であることが示唆された。
  論文  参考訳（メタデータ） (2025-01-17T10:25:41Z)
• Desirable Characteristics for AI Teaching Assistants in Programming Education [2.9131215715703385]
  デジタル教育アシスタントは、即時かつ公平なラウンド・ザ・クロックのサポートを提供する、魅力的でスケーラブルな方法として登場した。 この結果から,学生はこのようなツールを,即時かつ活発な支援を提供する能力に重きを置いていることが明らかとなった。 彼らはまた、学習ジャーニーにおける自律性を維持する機能への強い好意を表明した。
  論文  参考訳（メタデータ） (2024-05-23T05:03:49Z)
• I would love this to be like an assistant, not the teacher: a voice of the customer perspective of what distance learning students want from an Artificial Intelligence Digital Assistant [0.0]
  本研究では,仮想AIデジタルアシスタント(AIDA)の設計に関する10人のオンライン・遠隔学習学生の認識について検討した。 参加者全員が、リアルタイムのアシストとクエリの解決、学術的なタスクのサポート、パーソナライゼーションとアクセシビリティのサポート、そして感情的および社会的サポートにAIツールを使用することのメリットを研究し、報告しながら、そのようなAIツールの有用性について同意した。 学生の懸念は、AIDA、データプライバシとデータ利用、運用上の課題、学術的完全性と誤用、教育の将来に関する倫理的・社会的意味に関するものである。
  論文  参考訳（メタデータ） (2024-02-16T08:10:41Z)
• Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
  目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。 GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。 PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-03T12:37:16Z)
• Plagiarism and AI Assistance Misuse in Web Programming: Unfair Benefits and Characteristics [0.0]
  分類された提出物は、色や識別子名のような自明な面を除いて、独立したものに似ている。 学生は、AIアシスタントは適切な使用の承認があれば有用であると信じているが、ソリューションの可読性と正確性には納得していない。
  論文  参考訳（メタデータ） (2023-10-31T00:51:14Z)
• MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties Grounded in Math Reasoning Problems [74.73881579517055]
  そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。 このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
  論文  参考訳（メタデータ） (2023-05-23T21:44:56Z)
• Smart tutor to provide feedback in programming courses [0.0]
  学生のプログラミングに関する質問に答えるAIベースのインテリジェントチューターを提案する。 このツールは、全コースでURJCの大学生によってテストされている。
  論文  参考訳（メタデータ） (2023-01-24T11:00:06Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• When to Ask for Help: Proactive Interventions in Autonomous Reinforcement Learning [57.53138994155612]
  強化学習の長期的な目標は、世界で自律的に対話し学習できるエージェントを設計することである。 重要な課題は、ロボットアームが物体をテーブルから押し出したときなど、外部からの援助を必要とする不可逆状態の存在である。 本研究では,非可逆状態の検出と回避を効率よく学習し,エージェントが侵入した場合に積極的に支援を求めるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T17:57:24Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• 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)

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。