論文の概要: That's Not the Feedback I Need! -- Student Engagement with GenAI Feedback in the Tutor Kai

• arxiv url: http://arxiv.org/abs/2506.20433v1
• Date: Wed, 25 Jun 2025 13:43:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.761671
• Title: That's Not the Feedback I Need! -- Student Engagement with GenAI Feedback in the Tutor Kai
• Title（参考訳）: それは私が必要としているフィードバックではない!--テューターカイにおけるGenAIフィードバックによる学生エンゲージメント
• Authors: Sven Jacobs, Maurice Kempf, Natalie Kiesler,
• Abstract要約: 学生にPythonプログラミングタスク、コードエディタ、GenAIフィードバック、コンパイラフィードバックを提供するカスタムWebアプリケーションを構築します。 学習者から得られたフィードバックがどれほどの注意を払っているか、生成したフィードバックがどの程度役に立つか(あるいはそうでないか)について検討する。 その結果、GenAIのフィードバックは一般的に視覚的に注目され、未経験の学生は修正に2倍の時間を費やしていることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The potential of Generative AI (GenAI) for generating feedback in computing education has been the subject of numerous studies. However, there is still limited research on how computing students engage with this feedback and to what extent it supports their problem-solving. For this reason, we built a custom web application providing students with Python programming tasks, a code editor, GenAI feedback, and compiler feedback. Via a think-aloud protocol including eye-tracking and a post-interview with 11 undergraduate students, we investigate (1) how much attention the generated feedback received from learners and (2) to what extent the generated feedback is helpful (or not). In addition, students' attention to GenAI feedback is compared with that towards the compiler feedback. We further investigate differences between students with and without prior programming experience. The findings indicate that GenAI feedback generally receives a lot of visual attention, with inexperienced students spending twice as much fixation time. More experienced students requested GenAI less frequently, and could utilize it better to solve the given problem. It was more challenging for inexperienced students to do so, as they could not always comprehend the GenAI feedback. They often relied solely on the GenAI feedback, while compiler feedback was not read. Understanding students' attention and perception toward GenAI feedback is crucial for developing educational tools that support student learning.
• Abstract（参考訳）: コンピュータ教育におけるフィードバックを生み出すジェネレーティブAI(GenAI)の可能性は、数多くの研究の対象となっている。 しかし、コンピュータの学生がこのフィードバックにどう関与するか、そしてその問題の解決をどの程度支援しているかについては、まだ研究が限られている。 そのため、Pythonプログラミングタスク、コードエディタ、GenAIフィードバック、コンパイラフィードバックを学生に提供するカスタムWebアプリケーションを構築しました。 視線追跡と11人の大学生との対話後の対話を含む思考情報プロトコルを用いて,(1)学習者から得られたフィードバックがどの程度の注意を払っているか,(2)生成したフィードバックがどの程度役に立つか(あるいは有用でないか)を調査する。 また,GenAIフィードバックに対する学生の意識と,コンパイラフィードバックに対する学生の意識を比較した。 さらに,事前プログラミング経験のない学生の差異について検討する。 その結果、GenAIのフィードバックは一般的に視覚的に注目され、未経験の学生は修正に2倍の時間を費やしていることがわかった。 より経験豊富な学生は、GenAIの頻度を低く要求し、与えられた問題の解決に役立てることができた。 経験不足の学生は,GenAIのフィードバックを常に理解できないため,その実施が困難であった。 彼らはしばしばGenAIのフィードバックだけに頼っていたが、コンパイラのフィードバックは読まれなかった。 GenAIフィードバックに対する学生の注意と認識を理解することは、学生の学習を支援する教育ツールの開発に不可欠である。

関連論文リスト

• From Recall to Reasoning: Automated Question Generation for Deeper Math Learning through Large Language Models [44.99833362998488]
  先進数学のためのコンテンツ生成を最適化する第1ステップについて検討した。 我々は、GenAIがコース内容に関連する高品質な実践問題を生み出す能力について検討した。
  論文  参考訳（メタデータ） (2025-05-17T08:30:10Z)
• 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)
• Beyond the Hype: A Comprehensive Review of Current Trends in Generative AI Research, Teaching Practices, and Tools [4.352985782794601]
  2024年、コンピュータ教室におけるGenAI利用の効果に関する新たな研究が生まれ始めた。 新しいデータには、GenAIを使って教室の授業を大規模にサポートし、学生にGenAIでプログラミングの仕方を教えることが含まれる。 プログラミングの課題について、生徒にパーソナライズされたフィードバックを提供したり、プログラミングとスキルを同時に教える新しい種類のツールが登場している。
  論文  参考訳（メタデータ） (2024-12-19T11:01:11Z)
• Misconceptions, Pragmatism, and Value Tensions: Evaluating Students' Understanding and Perception of Generative AI for Education [0.11704154007740832]
  学生はこの技術のアーリーアダプターであり、非典型的手法で利用している。 学生は,1)GenAIの理解,2)GenAIの利用,3)教育における利用に関するメリット,欠点,倫理的問題について,その説明を求めた。
  論文  参考訳（メタデータ） (2024-10-29T17:41:06Z)
• How Novice Programmers Use and Experience ChatGPT when Solving Programming Exercises in an Introductory Course [0.0]
  本研究は,コンピュータ教育研究コミュニティにおいて,導入プログラミングの文脈における生成型AI(GenAI)の理解に寄与する。 本研究は以下の研究課題によって導かれる。 初等プログラミング演習におけるChatGPTの使用パターンについて,学生はどのような報告をしているか? 初等プログラミング演習におけるChatGPTの認識について
  論文  参考訳（メタデータ） (2024-07-30T12:55:42Z)
• The Widening Gap: The Benefits and Harms of Generative AI for Novice Programmers [1.995977018536036]
  初心者プログラマはメタ認知的認識と戦略の欠如により、しばしば問題解決に苦しむ。 多くの初心者がジェネレーティブAI(GenAI)を使ってプログラミングしている その結果, 加速した学生と苦労した学生の間には, GenAIツールの使用が不運な部分があることが判明した。
  論文  参考訳（メタデータ） (2024-05-28T01:48:28Z)
• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [46.667783153759636]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• Is Feedback All You Need? Leveraging Natural Language Feedback in Goal-Conditioned Reinforcement Learning [54.31495290436766]
  我々はBabyAIを拡張し、環境力学と目標条件の成功から言語フィードバックを自動的に生成する。 我々は、この付加信号を利用するために、決定変換器アーキテクチャを変更する。 言語フィードバックによるトレーニングは, エージェントの一般化性能を向上させること, あるいは, 目標記述に代えて行うことが確認された。
  論文  参考訳（メタデータ） (2023-12-07T22:33:34Z)
• 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)
• 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)
• 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。