論文の概要: WIP: Large Language Model-Enhanced Smart Tutor for Undergraduate Circuit Analysis
- arxiv url: http://arxiv.org/abs/2506.08962v1
- Date: Tue, 10 Jun 2025 16:35:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:42.866547
- Title: WIP: Large Language Model-Enhanced Smart Tutor for Undergraduate Circuit Analysis
- Title（参考訳）: WIP:大学生の回路解析のための大規模言語モデル拡張型スマートチュータ
- Authors: Liangliang Chen, Huiru Xie, Jacqueline Rohde, Ying Zhang,
- Abstract要約: 学習者のデザイン哲学と中核的なコンポーネントについて詳述し、オープンな質問応答や宿題のフィードバック生成について述べる。
このスマートチューターはMicrosoft Azureプラットフォームにデプロイされ、現在、学部の回路分析コースで使用されている。
その効果を評価するため,教師との満足感を示す回答の90.9%を学生のフィードバックとして収集した。
- 参考スコア（独自算出の注目度）: 5.407172767172112
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This research-to-practice work-in-progress (WIP) paper presents an AI-enabled smart tutor designed to provide homework assessment and feedback for students in an undergraduate circuit analysis course. We detail the tutor's design philosophy and core components, including open-ended question answering and homework feedback generation. The prompts are carefully crafted to optimize responses across different problems. The smart tutor was deployed on the Microsoft Azure platform and is currently in use in an undergraduate circuit analysis course at the School of Electrical and Computer Engineering in a large, public, research-intensive institution in the Southeastern United States. Beyond offering personalized instruction and feedback, the tutor collects student interaction data, which is summarized and shared with the course instructor. To evaluate its effectiveness, we collected student feedback, with 90.9% of responses indicating satisfaction with the tutor. Additionally, we analyze a subset of collected data on preliminary circuit analysis topics to assess tutor usage frequency for each problem and identify frequently asked questions. These insights help instructors gain real-time awareness of student difficulties, enabling more targeted classroom instruction. In future work, we will release a full analysis once the complete dataset is available after the Spring 2025 semester. We also explore the potential applications of this smart tutor across a broader range of engineering disciplines by developing improved prompts, diagram-recognition methods, and database management strategies, which remain ongoing areas of research.
- Abstract（参考訳）: 本論文は、大学生の回路分析コースにおける宿題の評価とフィードバックを提供するために、AIを活用したスマートチューターを提案する。
学習者のデザイン哲学と中核的なコンポーネントについて詳述し、オープンな質問応答や宿題のフィードバック生成について述べる。
プロンプトは、さまざまな問題に対する応答を最適化するために慎重に設計されている。
このスマートチューターはMicrosoft Azureプラットフォーム上にデプロイされ、現在、米国南東部の大規模で公開研究集約的な研究機関にある、電気・コンピュータ工学学校(英語版)の学部の回路分析コースで使用されている。
教師は、パーソナライズされたインストラクションとフィードバックを提供する以外に、学生のインタラクションデータを収集し、コースインストラクタとまとめて共有する。
その効果を評価するため,教師との満足感を示す回答の90.9%を学生のフィードバックとして収集した。
さらに、予備回路分析トピックに関する収集データのサブセットを分析し、各問題に対するチューター使用頻度を評価し、頻繁な質問を識別する。
これらの洞察は、インストラクターが生徒の困難をリアルタイムに認識し、よりターゲットを絞った教室の授業を可能にするのに役立つ。
今後の作業では、Spring 2025学期終了後に完全なデータセットが利用可能になったら、完全な分析を公開します。
また、改良されたプロンプト、ダイアグラム認識方法、データベース管理戦略を開発することで、このスマートチューターの幅広い工学分野への応用の可能性についても検討する。
関連論文リスト
- MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors [76.1634959528817]
我々は、総合的なチューリングモデル評価のためのオープンソースのベンチマークであるMathTutorBenchを紹介する。
MathTutorBenchには、ダイアログベースの教育における科学の研究によって定義された、家庭教師の能力をカバーするデータセットとメトリクスが含まれている。
閉鎖的およびオープンウェイトなモデルの幅広いセットを評価し、問題解決能力によって示される課題の専門知識が、すぐには良い教育に変換されないことを発見した。
論文 参考訳（メタデータ） (2025-02-26T08:43:47Z) - Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants [176.39275404745098]
我々は,2つのAIアシスタントであるGPT-3.5とGPT-4が適切な回答を得られるかどうかを評価する。
GPT-4は65.8%の質問を正解し、85.1%の質問に対して少なくとも1つの手順で正しい答えを出すことができる。
この結果から,AIの進歩を踏まえて,高等教育におけるプログラムレベルの評価設計の見直しが求められた。
論文 参考訳（メタデータ） (2024-08-07T12:11:49Z) - The AI Companion in Education: Analyzing the Pedagogical Potential of ChatGPT in Computer Science and Engineering [1.120999712480549]
本研究は,CSE教育におけるChatGPTの教育的ポテンシャルを包括的に分析することを目的とする。
我々は体系的なアプローチを採用し、CSE分野における多様な教育実践問題を創出する。
我々の調査によると、概念知識クエリのような特定の質問タイプは、一般的にChatGPTに重大な課題を生じさせません。
論文 参考訳（メタデータ） (2024-04-23T21:42:30Z) - Automated Distractor and Feedback Generation for Math Multiple-choice
Questions via In-context Learning [43.83422798569986]
マルチチョイス質問(MCQ)は、管理しやすく、格付けし、信頼性の高い評価形式であるため、ほぼ全てのレベルの教育においてユビキタスである。
これまで、高品質なイントラクタを作るというタスクは、教師やコンテンツデザイナーを学ぶための労働集約的なプロセスのままだった。
本稿では,テキスト内学習をベースとした簡易な学習手法を提案する。
論文 参考訳（メタデータ） (2023-08-07T01:03:04Z) - 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) - An Analysis of Programming Course Evaluations Before and After the
Introduction of an Autograder [1.329950749508442]
本稿では,最近自己評価を導入した基礎的コンピュータ科学コースの標準化された大学評価アンケートに対する回答について検討する。
我々は,教師と生徒の交流の改善,コースの質の向上,学習の成功の向上,時間の短縮,難易度の向上など,データに大きな変化をもたらした可能性について仮説を立てた。
オートグレーダ技術は、プログラミングコースにおける生徒の満足度を向上させるための教育方法として検証することができる。
論文 参考訳（メタデータ） (2021-10-28T14:09:44Z) - 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) - Deep Discourse Analysis for Generating Personalized Feedback in
Intelligent Tutor Systems [4.716555240531893]
ITS(Intelligent Tutoring System)で、自動化されたパーソナライズされたフィードバックの作成を検討します。
我々のゴールは、学生のより優れた学習目標を達成するために、学生の回答の正しい概念と間違った概念を見極めることである。
論文 参考訳（メタデータ） (2021-03-13T20:33:10Z) - Educational Question Mining At Scale: Prediction, Analysis and
Personalization [35.42197158180065]
大規模に教育的な問題から洞察を抽出する枠組みを提案する。
我々は最先端のベイズ深層学習法、特に部分変分オートエンコーダ(p-VAE)を利用する。
提案したフレームワークを,数万の質問と数千万の回答をオンライン教育プラットフォームから収集した実世界のデータセットに適用する。
論文 参考訳（メタデータ） (2020-03-12T19:07:49Z)
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。