論文の概要: Efficacy of a Computer Tutor that Models Expert Human Tutors

• arxiv url: http://arxiv.org/abs/2504.16132v1
• Date: Mon, 21 Apr 2025 17:41:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.857011
• Title: Efficacy of a Computer Tutor that Models Expert Human Tutors
• Title（参考訳）: エキスパート・チュータをモデル化するコンピュータ・チュータの有効性
• Abstract要約: そこで我々は,知能学習システム(ITS)の9週間の学習効果について検討した。 学生は学習セッションの前後で学習テストを受け、1～2週間後に遅延テストを行った。 ロジスティック・ミックス・エフェクト・モデリングを用いた分析は、ITSとヒューマン・チューターの即時検査に有意な正の効果を示した。
• 参考スコア（独自算出の注目度）: 2.7666835480733987
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Tutoring is highly effective for promoting learning. However, the contribution of expertise to tutoring effectiveness is unclear and continues to be debated. We conducted a 9-week learning efficacy study of an intelligent tutoring system (ITS) for biology modeled on expert human tutors with two control conditions: human tutors who were experts in the domain but not in tutoring and a no-tutoring condition. All conditions were supplemental to classroom instruction, and students took learning tests immediately before and after tutoring sessions as well as delayed tests 1-2 weeks later. Analysis using logistic mixed-effects modeling indicates significant positive effects on the immediate post-test for the ITS (d =.71) and human tutors (d =.66) which are in the 99th percentile of meta-analytic effects, as well as significant positive effects on the delayed post-test for the ITS (d =.36) and human tutors (d =.39). We discuss implications for the role of expertise in tutoring and the design of future studies.
• Abstract（参考訳）: チュータリングは学習を促進するのに非常に効果的です。 しかし、教育効果に対する専門知識の貢献は不明確であり、議論が続いている。 本研究は,知能学習システム(ITS)を2つの制御条件を持つ有能な人教師をモデルとした,知能学習システム(ITS)の9週間の学習効果について検討した。 すべての条件が教室の授業に補足され,授業前後の学習試験と1～2週間後の遅延試験が実施された。 ロジスティック・ミックスエフェクト・モデリングを用いた分析は、メタ分析効果の99番目のパーセンタイルであるITS(d =.71)とヒト・チューター(d =.66)の即時ポストテストに有意な正の効果を示すとともに、ITS(d =.36)とヒト・チューター(d =.39)の遅延ポストテストに有意な正の効果を示す。 本稿では,教員養成における専門職の役割と今後の研究のデザインについて論じる。

関連論文リスト

• EduPanel: A Three-Agent LLM Judge for Teaching Videos -- Reliability, Complementarity, and Human Trust Calibration [49.59690207400984]
  EduPanel(エドゥパネル)は、特殊なエージェント間で評価を分解するルーリックグラウンドの学習者条件付きLLM審査員である。 信頼性は、専門家の研究、アーキテクチャの実践、学習者・人格分析の中央値に匹敵する。 これらの結果から,EduPanelは人的専門家の代替ではなく,教育評価のための効果的なアシスタントとして機能することが示唆された。
  論文  参考訳（メタデータ） (2026-07-20T21:45:00Z)
• AI-Driven Assessment of Human Tutors: Linking Training Performance to Real-Life Practice [1.3597553728687461]
  本稿では,訓練中のオープン応答と実生活指導の両立を評価するAI駆動システムを提案する。 我々はジェネレーティブAI(Gemini-2.5-pro)を用いて、教師のスキルを実生活のアプリケーションに伝達する過程を計測する。
  論文  参考訳（メタデータ） (2026-06-17T02:28:10Z)
• Are Agents Ready to Teach? A Multi-Stage Benchmark for Real-World Teaching Workflows [48.61619205237941]
  EduAgentBenchは、教授作業の全範囲でチューターエージェントを評価するための、ソースグラウンドのベンチマークである。 専門的な教育的判断、複数ターンのチューターの配置、Canvasスタイルの教育ワークフローの補完という、3つの機能面にわたる品質管理タスクが150種類含まれている。 我々の知る限り、EduAgentBenchは、チューターエージェントの総合的な教育能力を評価するための理論的かつ現実的なベンチマークである。
  論文  参考訳（メタデータ） (2026-05-14T03:34:25Z)
• Improving Hybrid Human-AI Tutoring by Differentiating Human Tutor Roles Based on Student Needs [18.513386295960007]
  人間の家庭教師は、低パフォーマンスの学生のサポートを開始し、高パフォーマンスの学生は、リアクティブでオンデマンドなサポートを受ける。 秋(AIのみの授業)と春(アクティブな人間とAIの授業)の2つの期間の成績を比較した。 AIのみのベースラインに比べて、人間とAIのトレーニングによる大幅な改善が見られた。タスクにかかる時間の増加は25%増加し、スキルの熟練度は36%、アカデミックな成長は61%だった。
  論文  参考訳（メタデータ） (2026-05-11T19:02:10Z)
• The Missing Evaluation Axis: What 10,000 Student Submissions Reveal About AI Tutor Effectiveness [9.482202294953526]
  我々は,AI教師の評価を,学生のインタラクションデータに基づく行動次元で拡張すべきだと論じる。 評価フレームワークを提案し,それに対応するAI教師のフィードバックで10,235のコード入力に適用する。 このフレームワークを使用して、大規模に導入されたコンピュータサイエンスコースにおいて、異なるセメータにまたがる2つのデプロイされたAIチューターを比較することで、学生のエンゲージメントパターンにかなりの違いが明らかになる。
  論文  参考訳（メタデータ） (2026-05-07T03:58:04Z)
• Exploring LLMs for Predicting Tutor Strategy and Student Outcomes in Dialogues [48.99818550820575]
  近年の研究では、教師が使う戦略が学生の成績に重大な影響を与えることが示されている。 対話における教師戦略の予測に関する研究は少ない。 本稿では,現代のLLM,特にLlama 3 と GPT-4o を用いて,対話における将来の教師の動きと学生の成果を予測する能力について検討する。
  論文  参考訳（メタデータ） (2025-07-09T14:47:35Z)
• Leveraging LLMs to Assess Tutor Moves in Real-Life Dialogues: A Feasibility Study [3.976073625291173]
  数学における中学生を支援する大学学生遠隔教師の無作為に選択した50文字の解析を行った。 GPT-4, GPT-4o, GPT-4-turbo, Gemini-1.5-pro, LearnLM を用いて,教師の2つの指導スキルの適用性を評価する。
  論文  参考訳（メタデータ） (2025-06-20T18:13:33Z)
• Intelligent Tutors Beyond K-12: An Observational Study of Adult Learner Engagement and Academic Impact [0.0]
  本研究では,州立工業大学における成人学習者を対象に,新しい授業システム Apprentice Tutors の採用,利用パターン,有効性について検討した。 本研究は,教師間の知識コンポーネントのスキル改善を通じて,教師の関与の鍵となる時間的パターンを明らかにし,教師内での学習の証拠を提供するものである。 これらの結果は、知的家庭教師が成人学習者にとって有効なツールであり、この人口に対する長期的な影響についてさらなる研究を保証していることを示唆している。
  論文  参考訳（メタデータ） (2025-02-23T15:36:22Z)
• A Self-Efficacy Theory-based Study on the Teachers Readiness to Teach Artificial Intelligence in Public Schools in Sri Lanka [0.0]
  本研究では,スリランカのICT教師が学校におけるAI教育の準備について,自己効力感に着目して検討した。 1,300人以上の教師を対象とした調査では,バンドラの理論に基づいた尺度を用いて自己効力を評価した。
  論文  参考訳（メタデータ） (2024-12-27T03:31:26Z)
• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• Aligning Tutor Discourse Supporting Rigorous Thinking with Tutee Content Mastery for Predicting Math Achievement [3.0858231534624543]
  我々は,教師話の動き,学生のITSパフォーマンス指標,それらの組み合わせに基づいて,高い評価スコアと低い評価スコアを区別するためにランダムフォレストを訓練した。 最高の決定木は、厳格な思考と学生のその熟達を奨励する家庭教師の話し方の組み合わせから生まれた。
  論文  参考訳（メタデータ） (2024-05-10T03:04:59Z)
• 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)
• Improving Assessment of Tutoring Practices using Retrieval-Augmented Generation [10.419430731115405]
  ワン・ワン・ワン・チュータリングは、学習力を高める効果的な指導方法であるが、その効果は家庭教師の能力に左右される。 本研究の目的は, GPT-3.5 や GPT-4 モデルなどの生成事前学習型トランスフォーマー (GPT) を用いて, 教師が社会的情緒的学習戦略を活用できる能力を自動的に評価することである。
  論文  参考訳（メタデータ） (2024-02-04T20:42:30Z)
• Using Large Language Models to Assess Tutors' Performance in Reacting to Students Making Math Errors [2.099922236065961]
  数学の誤りを犯した生徒に対する実生活教師のパフォーマンスを評価するための生成AIの能力について検討する。 その結果, GPT-3.5-Turbo と GPT-4 の双方が, 誤りを犯す生徒に対して反応する基準を評価する能力を示した。 GPT-4は、学生が誤りを犯した事例を過度に同定する傾向があり、しばしば学生の不確実性や、人間の評価者が起こらなかった潜在的な誤りを推測する。
  論文  参考訳（メタデータ） (2024-01-06T15:34:27Z)
• Tailoring Instructions to Student's Learning Levels Boosts Knowledge Distillation [52.53446712834569]
  LGTM(Learning Good Teacher Matters)は,教師の学習プロセスに蒸留の影響を組み込むための効果的な訓練手法である。 我々のLGTMはGLUEベンチマークで6つのテキスト分類タスクに基づいて10の共通知識蒸留基準を上回ります。
  論文  参考訳（メタデータ） (2023-05-16T17:50:09Z)
• Distantly-Supervised Named Entity Recognition with Adaptive Teacher Learning and Fine-grained Student Ensemble [56.705249154629264]
  NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。 本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。 微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
  論文  参考訳（メタデータ） (2022-12-13T12:14:09Z)
• Better Teacher Better Student: Dynamic Prior Knowledge for Knowledge Distillation [70.92135839545314]
  本研究では,教師の持つ特徴の一部を,特徴蒸留前の先行知識として統合した動的事前知識(DPK)を提案する。 DPKは,教員モデルと生徒モデルのパフォーマンスを正に相関させ,より大きな教員を適用することで生徒の精度をさらに高めることができる。
  論文  参考訳（メタデータ） (2022-06-13T11:52:13Z)
• Iterative Teacher-Aware Learning [136.05341445369265]
  人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。 本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
  論文  参考訳（メタデータ） (2021-10-01T00:27:47Z)

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。