論文の概要: Exploring Effective Strategies for Building a Customised GPT Agent for Coding Classroom Dialogues
- arxiv url: http://arxiv.org/abs/2506.07194v1
- Date: Sun, 08 Jun 2025 15:29:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-10 21:10:47.086786
- Title: Exploring Effective Strategies for Building a Customised GPT Agent for Coding Classroom Dialogues
- Title（参考訳）: コーディングクラスルーム対話のためのカスタマイズGPTエージェント構築のための効果的な方策を探る
- Authors: Luwei Bai, Dongkeun Han, Sara Hennessy,
- Abstract要約: 本研究は,教室対話をコードするカスタマイズGPTエージェントの開発に有効な戦略について検討する。
GPT-4のMyGPTエージェントを事例として,人間のコードブックを用いた教室対話におけるベースライン性能を評価する。
この結果は,いくつかの制限があるにも関わらず,これらの戦略で開発されたMyGPTエージェントが有用なコーディングアシスタントとして機能することを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study investigates effective strategies for developing a customised GPT agent to code classroom dialogue. While classroom dialogue is widely recognised as a crucial element of education, its analysis remains challenging due to the need for a nuanced understanding of dialogic functions and the labour-intensive nature of manual transcript coding. Recent advancements in large language models offer promising avenues for automating this process. However, existing studies predominantly focus on training large-scale models or evaluating pre-trained models with fixed codebooks, which are often not applicable or replicable for dialogue researchers working with small datasets or customised coding schemes. Using GPT-4's MyGPT agent as a case, this study evaluates its baseline performance in coding classroom dialogue with a human codebook and examines how performance varies with different example inputs through a variable control method. Through a design-based research approach, it identifies a set of practical strategies, based on MyGPT's unique features, for configuring effective agents with limited data. The findings suggest that, despite some limitations, a MyGPT agent developed with these strategies can serve as a useful coding assistant by generating coding suggestions.
- Abstract（参考訳）: 本研究は,教室対話をコードするカスタマイズGPTエージェントを開発するための効果的な戦略について検討する。
教室の対話は教育の重要な要素として広く認識されているが、その分析は、対話機能に関する微妙な理解と手書き文字起こし符号化の労働集約性の必要性から、依然として困難である。
大規模言語モデルの最近の進歩は、このプロセスを自動化するための有望な道を提供する。
しかし、既存の研究は主に大規模モデルのトレーニングや、固定されたコードブックによる事前学習モデルの評価に重点を置いている。
本研究は, GPT-4のMyGPTエージェントを事例として, 人間のコードブックを用いたプログラミング教室での対話におけるベースライン性能を評価し, 可変制御手法を用いて, 異なるサンプル入力でパフォーマンスがどう変化するかを検討する。
デザインベースの研究アプローチを通じて、限られたデータで効果的なエージェントを設定するための、MyGPTのユニークな特徴に基づく一連の実践的戦略を特定する。
この結果は,いくつかの制限があるにも関わらず,これらの戦略で開発されたMyGPTエージェントが,符号化提案を生成することで,有用なコーディングアシスタントとして機能することを示唆している。
関連論文リスト
- Reassessing Code Authorship Attribution in the Era of Language Models [12.590406993068523]
本研究の目的は,コードサンプルの作成者を特定するためのコーディングスタイルの分析である。
コードオーサシップ・アトリビューション(CAA)は、サイバーセキュリティとソフトウェアにおいて、盗作行為に対処し、検出し、刑事訴追をサポートするために不可欠である。
論文 参考訳（メタデータ） (2025-06-20T16:19:30Z) - Enhancing LLM Code Generation: A Systematic Evaluation of Multi-Agent Collaboration and Runtime Debugging for Improved Accuracy, Reliability, and Latency [0.0]
プログラミング活動の異なる構成や訓練パラダイムがコード生成の効率に与える影響について検討する。
私たちの発見は、堅牢なAI駆動型コーディングソリューションを求める組織に貴重な洞察を与えます。
論文 参考訳（メタデータ） (2025-05-04T14:44:27Z) - Automated Coding of Communications in Collaborative Problem-solving Tasks Using ChatGPT [4.2702945607449605]
協調問題解決(CPS)は21世紀の重要な技術として広く認められている。
本稿では,ChatGPTが通信データを満足なレベルに符号化できることを示す。
また、誤コードされたケースからのフィードバックに基づく書き換えプロンプトにより、符号化精度が向上することを示す。
論文 参考訳（メタデータ） (2024-11-15T14:57:39Z) - Decoding Decoded: Understanding Hyperparameter Effects in Open-Ended Text Generation [0.22499166814992438]
生成型大規模言語モデル(LLM)の復号戦略は、テキスト生成タスクにおいて、重要ではあるがしばしば未発見の側面である。
本研究では,復号化手法,オープンソースLCM,テキストドメイン,評価プロトコルの大規模評価を行う。
我々の実験には、事実的(ニュースなど)と創造的(フィクションなど)の両方が含まれており、人間の判断とともに、幅広い自動評価指標が組み込まれている。
論文 参考訳（メタデータ） (2024-10-08T14:51:03Z) - ChatSOP: An SOP-Guided MCTS Planning Framework for Controllable LLM Dialogue Agents [52.7201882529976]
対話エージェントの制御性を高めるため,SOP誘導モンテカルロ木探索(MCTS)計画フレームワークを提案する。
これを実現するために、GPT-4oを用いた半自動ロールプレイシステムを用いて、SOPアノテーション付きマルチシナリオ対話からなるデータセットをキュレートする。
また、SOP予測のための教師付き微調整と思考の連鎖推論を統合する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-07-04T12:23:02Z) - A Thorough Examination of Decoding Methods in the Era of LLMs [72.65956436513241]
復号法は、次世代の予測器から実用的なタスク解決器に言語モデルを変換する上で、必須の役割を果たす。
本稿では,大規模言語モデルの文脈における様々な復号法を包括的かつ多面的に分析する。
その結果,復号法の性能は特にタスク依存的であり,アライメント,モデルサイズ,量子化などの要因に影響されていることが明らかとなった。
論文 参考訳（メタデータ） (2024-02-10T11:14:53Z) - JoTR: A Joint Transformer and Reinforcement Learning Framework for
Dialog Policy Learning [53.83063435640911]
対話政策学習(DPL)は対話モデリングの重要な構成要素である。
フレキシブルな対話行動を生成するための新しいフレームワークであるJoTRを導入する。
従来の方法とは異なり、JoTRはよりダイナミックで適応可能な対話アクション生成を可能にするワードレベルのポリシーを定式化している。
論文 参考訳（メタデータ） (2023-09-01T03:19:53Z) - GODEL: Large-Scale Pre-Training for Goal-Directed Dialog [119.1397031992088]
ダイアログのための大規模事前学習言語モデルであるGODELを紹介する。
GODELは、数ショットの微調整設定で、最先端の事前訓練ダイアログモデルより優れていることを示す。
評価手法の新たな特徴は,応答の有用性を評価するユーティリティの概念の導入である。
論文 参考訳（メタデータ） (2022-06-22T18:19:32Z) - Improving Meta-learning for Low-resource Text Classification and
Generation via Memory Imitation [87.98063273826702]
本稿では,メモリ模倣メタラーニング(MemIML)手法を提案する。
本手法の有効性を証明するために理論的解析を行った。
論文 参考訳（メタデータ） (2022-03-22T12:41:55Z) - A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。
これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。
提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文 参考訳（メタデータ） (2021-02-26T17:49:58Z) - RADDLE: An Evaluation Benchmark and Analysis Platform for Robust
Task-oriented Dialog Systems [75.87418236410296]
我々はraddleベンチマーク、コーパスのコレクション、および様々なドメインのモデルのパフォーマンスを評価するためのツールを紹介します。
RADDLEは強力な一般化能力を持つモデルを好んで奨励するように設計されている。
先行学習と微調整に基づく最近の最先端システムの評価を行い,異種ダイアログコーパスに基づく基礎的な事前学習が,ドメインごとの個別モデルをトレーニングするよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-12-29T08:58:49Z)
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。