論文の概要: Investigating the Impact of Personalized AI Tutors on Language Learning Performance

• arxiv url: http://arxiv.org/abs/2505.02443v1
• Date: Mon, 05 May 2025 08:11:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.597606
• Title: Investigating the Impact of Personalized AI Tutors on Language Learning Performance
• Title（参考訳）: パーソナライズされたAIチュータが言語学習のパフォーマンスに与える影響について
• Authors: Simon Suh,
• Abstract要約: サンタやデュオリンゴのような言語学習プラットフォームで、34人の学生を対象に、ペア化されたサンプルtテストを行い、AIチューターの使用後、準実験を行います。 パーソナライズされた言語学習体験において、学生のエンゲージメント、学業成績、学生の満足度との関係について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Driven by the global shift towards online learning prompted by the COVID 19 pandemic, Artificial Intelligence has emerged as a pivotal player in the field of education. Intelligent Tutoring Systems offer a new method of personalized teaching, replacing the limitations of traditional teaching methods. However, concerns arise about the ability of AI tutors to address skill development and engagement during the learning process. In this paper, I will conduct a quasi experiment with paired sample t test on 34 students pre and post use of AI tutors in language learning platforms like Santa and Duolingo to examine the relationship between students engagement, academic performance, and students satisfaction during a personalized language learning experience.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックが引き起こしたオンライン学習への世界的シフトによって、人工知能は教育の分野で重要な役割を担っている。 Intelligent Tutoring Systemsはパーソナライズされた教育方法を提供し、従来の教育方法の限界を置き換える。 しかし、AI教師が学習プロセス中にスキル開発とエンゲージメントに取り組む能力に懸念が生じる。 本稿では,サンタやデュオリンゴなどの言語学習プラットフォームにおける,34人の学生を対象に,2組のサンプルtテストを行い,個別言語学習体験における学生の参加感,学業成績,学生の満足度との関係について検討する。

関連論文リスト

• INSIGHT: Bridging the Student-Teacher Gap in Times of Large Language Models [0.7499722271664147]
  INSIGHTは、さまざまなAIツールを組み合わせて、エクササイズを解決する過程において、スタッフと学生を教えることを支援する概念実証である。 我々は,学生の質問からFAQを動的に構築するキーワードを抽出することで,学生の質問をLLMに解析する。
  論文  参考訳（メタデータ） (2025-04-24T15:47:20Z)
• Inclusive Education with AI: Supporting Special Needs and Tackling Language Barriers [0.0]
  AIは、教育者がより包括的な学習環境を作るのを助ける革新的なツールを提供する。 マルチ言語教室でのリアルタイム翻訳とコミュニケーションを可能にするAI駆動型言語支援ツールについて論じる。 障害のある生徒の学習をパーソナライズするAIを活用した支援技術を模索している。
  論文  参考訳（メタデータ） (2025-04-19T00:41:58Z)
• AI in Education: Rationale, Principles, and Instructional Implications [0.0]
  ChatGPTのような生成AIは、人間のようなコンテンツを作り、その教育的役割について疑問を呈する。 この研究は、AIが真の認知的努力を補うのではなく、確実に補完する意図的な戦略を強調している。
  論文  参考訳（メタデータ） (2024-12-02T14:08:07Z)
• YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
  本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。 モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。 実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-28T14:32:15Z)
• Collaborative Learning with Artificial Intelligence Speakers (CLAIS): Pre-Service Elementary Science Teachers' Responses to the Prototype [0.5113447003407372]
  CLAISシステムは、3、4人の人間の学習者がAIスピーカーに参加して小さなグループを形成し、人間とAIはJigsaw学習プロセスに参加する仲間と見なされるように設計されている。 CLAISシステムは15人の小学校教師による理科教育講習会で成功裏に実装された。
  論文  参考訳（メタデータ） (2023-12-20T01:19:03Z)
• Progressively Efficient Learning [58.6490456517954]
  我々はCEIL(Communication-Efficient Interactive Learning)という新しい学習フレームワークを開発した。 CEILは、学習者と教師がより抽象的な意図を交換することで効率的にコミュニケーションする人間のようなパターンの出現につながる。 CEILで訓練されたエージェントは、新しいタスクを素早く習得し、非階層的で階層的な模倣学習を、絶対的な成功率で最大50%、20%上回った。
  論文  参考訳（メタデータ） (2023-10-13T07:52:04Z)
• Implementing Learning Principles with a Personal AI Tutor: A Case Study [2.94944680995069]
  本研究は,人間の学習過程をモデル化し,学術的性能を効果的に向上するパーソナルAIチューターの能力を示す。 プログラムにAIチューターを統合することで、教育者は、学習科学の原則に基づくパーソナライズされた学習体験を学生に提供することができる。
  論文  参考訳（メタデータ） (2023-09-10T15:35:47Z)
• Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
  言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。 現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。 人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
  論文  参考訳（メタデータ） (2023-01-24T11:00:17Z)
• 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)
• 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。