論文の概要: A LLM-Driven Multi-Agent Systems for Professional Development of Mathematics Teachers
- arxiv url: http://arxiv.org/abs/2507.05292v1
- Date: Sat, 05 Jul 2025 15:21:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-09 16:34:37.238555
- Title: A LLM-Driven Multi-Agent Systems for Professional Development of Mathematics Teachers
- Title（参考訳）: 数学教師の専門的育成のためのLLM駆動型マルチエージェントシステム
- Authors: Kaiqi Yang, Hang Li, Yucheng Chu, Ahreum Han, Yasemin Copur-Gencturk, Jiliang Tang, Hui Liu,
- Abstract要約: I-VIP (Intelligent Virtual Interactive Program) は、教師のための知的学習プラットフォームである。
大規模言語モデル(LLM)によって駆動され、マルチエージェントフレームワークによってサポートされている。
- 参考スコア（独自算出の注目度）: 31.33027139506322
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Professional development (PD) serves as the cornerstone for teacher tutors to grasp content knowledge. However, providing equitable and timely PD opportunities for teachers poses significant challenges. To address this issue, we introduce I-VIP (Intelligent Virtual Interactive Program), an intelligent tutoring platform for teacher professional development, driven by large language models (LLMs) and supported by multi-agent frameworks. This platform offers a user-friendly conversational interface and allows users to employ a variety of interactive tools to facilitate question answering, knowledge comprehension, and reflective summarization while engaging in dialogue. To underpin the functionality of this platform, including knowledge expectation analysis, response scoring and classification, and feedback generation, the multi-agent frameworks are leveraged to enhance the accuracy of judgments and mitigate the issue of missing key points.
- Abstract（参考訳）: 専門的開発(PD)は、教師がコンテンツ知識を理解するための基礎となる。
しかし、教師に公平でタイムリーなPDの機会を提供することが大きな課題となっている。
この問題に対処するために,大規模言語モデル(LLM)によって駆動され,マルチエージェントフレームワークによってサポートされた,教師のプロフェッショナル開発のためのインテリジェントな学習プラットフォームであるI-VIP(Intelligent Virtual Interactive Program)を紹介した。
このプラットフォームは、ユーザフレンドリーな会話インターフェースを提供しており、ユーザーは様々な対話ツールを使って、対話をしながら質問応答、知識理解、反射的要約を容易にすることができる。
知識予測分析、応答スコアと分類、フィードバック生成などのプラットフォームの機能を強化するために、マルチエージェントフレームワークを活用して、判断の精度を高め、欠落したキーポイントの問題を緩和する。
関連論文リスト
- Evaluating Machine Expertise: How Graduate Students Develop Frameworks for Assessing GenAI Content [1.967444231154626]
本稿では,大学院生が大規模言語モデル(LLM)を用いたWebベースインタラクションにおいて,機械生成の専門知識を評価するためのフレームワークを開発する方法について検討する。
その結果, 学生は, 職業的アイデンティティ, 検証能力, システムナビゲーション経験の3つの要因により, 評価フレームワークを構築していることがわかった。
論文 参考訳（メタデータ） (2025-04-24T22:24:14Z) - 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) - 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) - Apprentice Tutor Builder: A Platform For Users to Create and Personalize Intelligent Tutors [0.5762045049964718]
Apprentice Tutor Builder (ATB)は、チューターの作成とパーソナライズを簡単にするプラットフォームである。
インストラクタはABBのドラッグアンドドロップツールを使ってチューターインターフェースを構築することができる。
エンドユーザーを対象に,14名のインストラクターによるユーザスタディを行い,ABBの設計の有効性について検討した。
論文 参考訳（メタデータ） (2024-04-11T16:14:23Z) - DIALIGHT: Lightweight Multilingual Development and Evaluation of
Task-Oriented Dialogue Systems with Large Language Models [76.79929883963275]
DIALIGHTは多言語タスク指向対話(ToD)システムの開発と評価のためのツールキットである。
ローカル発話レベルとグローバル対話レベルの両方において、人間のきめ細かい評価のためのセキュアでユーザフレンドリーなWebインターフェースを備えている。
評価の結果, PLMの微調整により精度とコヒーレンスが向上する一方, LLMベースのシステムは多様で類似した応答を生成するのに優れていた。
論文 参考訳（メタデータ） (2024-01-04T11:27:48Z) - ChatEd: A Chatbot Leveraging ChatGPT for an Enhanced Learning Experience
in Higher Education [1.835530250800342]
この研究は、ChatGPTの強みと従来の情報検索に基づくフレームワークを組み合わせて、高等教育における学生支援を強化する革新的なアーキテクチャを導入する。
論文 参考訳（メタデータ） (2023-12-29T19:11:55Z) - ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions [53.07022684941739]
これらのニーズに対応するために設計された対話型マルチエージェントシステムであるChoiceMatesを提案する。
エージェントによるタスクを自動化する既存のマルチエージェントシステムとは異なり、ユーザはエージェントを編成して意思決定プロセスを支援する。
論文 参考訳（メタデータ） (2023-10-02T16:49:39Z) - 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) - 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) - Neural Multi-Task Learning for Teacher Question Detection in Online
Classrooms [50.19997675066203]
教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。
マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
論文 参考訳（メタデータ） (2020-05-16T02:17:04Z)
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。