論文の概要: Listening with Language Models: Using LLMs to Collect and Interpret Classroom Feedback
- arxiv url: http://arxiv.org/abs/2508.11707v1
- Date: Wed, 13 Aug 2025 22:53:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:10.285517
- Title: Listening with Language Models: Using LLMs to Collect and Interpret Classroom Feedback
- Title（参考訳）: 言語モデルによるリスニング:LLMを使ってクラスルームのフィードバックを収集・解釈する
- Authors: Sai Siddartha Maram, Ulia Zaman, Magy Seif El-Nasr,
- Abstract要約: 大規模言語モデル(LLM)を利用したチャットボットは、学生に反射的で会話的な対話をさせ、教室のフィードバックプロセスを再現することができる。
以上の結果から, LLMに基づくフィードバックシステムは, 標準的な調査ツールと比較して, より豊かな洞察, 文脈的関連性, エンゲージメントを提供する可能性が示唆された。
- 参考スコア（独自算出の注目度）: 14.83267437400996
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Traditional end-of-quarter surveys often fail to provide instructors with timely, detailed, and actionable feedback about their teaching. In this paper, we explore how Large Language Model (LLM)-powered chatbots can reimagine the classroom feedback process by engaging students in reflective, conversational dialogues. Through the design and deployment of a three-part system-PromptDesigner, FeedbackCollector, and FeedbackAnalyzer-we conducted a pilot study across two graduate courses at UC Santa Cruz. Our findings suggest that LLM-based feedback systems offer richer insights, greater contextual relevance, and higher engagement compared to standard survey tools. Instructors valued the system's adaptability, specificity, and ability to support mid-course adjustments, while students appreciated the conversational format and opportunity for elaboration. We conclude by discussing the design implications of using AI to facilitate more meaningful and responsive feedback in higher education.
- Abstract（参考訳）: 伝統的な四半期末の調査は、インストラクターに授業に関するタイムリーで詳細で行動可能なフィードバックを提供するのに失敗することが多い。
本稿では,Large Language Model (LLM) を利用したチャットボットが,学生に反射的,対話的対話を取り入れることで,教室のフィードバックプロセスを再現する方法について検討する。
PromptDesigner、FeedbackCollector、FeedbackAnalyzerの3つのパートの設計と展開を通じて、私たちはカリフォルニア大学サンタクルーズ校の2つの大学院で試験的な研究を行った。
以上の結果から, LLMに基づくフィードバックシステムは, 標準的な調査ツールと比較して, より豊かな洞察, 文脈的関連性, エンゲージメントを提供する可能性が示唆された。
インストラクタはシステムの適応性、特異性、中間調整をサポートする能力を評価し、学生は会話の形式と実験の機会を高く評価した。
我々は、高等教育におけるより有意義でレスポンシブなフィードバックを促進するために、AIを用いた設計上の意味を議論することで締めくくります。
関連論文リスト
- Automated Feedback on Student-Generated UML and ER Diagrams Using Large Language Models [39.58317527488534]
LLMツールのプロトタイプであるDUET(Diamatic & ER Tutor)を紹介する。
参照ダイアグラムと学生が提出したダイアグラムをテキスト表現に変換し、違いに基づいて構造化されたフィードバックを提供する。
多段階のLCMパイプラインを使用して図を比較し、反射フィードバックを生成する。
自己指導型学習を奨励し、指導戦略を伝えることを目的として、教育者の分析的な洞察を可能にする。
論文 参考訳（メタデータ） (2025-07-31T11:49:01Z) - SEFL: Enhancing Educational Assignment Feedback with LLM Agents [5.191286314473505]
Synthetic Educational Feedback Loops (SEFL) は、オンデマンドの即時フィードバックに似たデータを生成するために設計された合成データフレームワークである。
このタイプのデータを得るために、2つの大きな言語モデル (LLM) は、課題完了と形式的フィードバックをシミュレートするために教師と学生の役割で機能する。
フィードバック品質と既存のベースラインの両面において,SEFL調整モデルの方が優れていることを示す。
論文 参考訳（メタデータ） (2025-02-18T15:09:29Z) - "My Grade is Wrong!": A Contestable AI Framework for Interactive Feedback in Evaluating Student Essays [6.810086342993699]
本稿では,対話型フィードバックを自動生成するContestable AI Empowered LLM FrameworkであるCAELFを紹介する。
CAELFは、マルチエージェントシステムと計算的議論を統合することで、学生がフィードバックをクエリし、挑戦し、明確化することができる。
ユーザスタディを用いた500の批判的思考エッセイのケーススタディでは,CAELFが対話的フィードバックを大幅に改善することが示された。
論文 参考訳（メタデータ） (2024-09-11T17:59:01Z) - Joint Learning of Context and Feedback Embeddings in Spoken Dialogue [3.8673630752805446]
コントラスト学習目標を用いて,同じ表現空間に短い対話コンテキストとフィードバック応答を埋め込む可能性を検討する。
実験結果から,本モデルは人間に同じランキングタスクを施し,学習された埋め込みはフィードバック応答の会話機能に関する情報を伝達することがわかった。
論文 参考訳（メタデータ） (2024-06-11T14:22:37Z) - Generating Situated Reflection Triggers about Alternative Solution Paths: A Case Study of Generative AI for Computer-Supported Collaborative Learning [3.2721068185888127]
本稿では,学生に動的かつ文脈的フィードバックを提供する概念実証アプリケーションを提案する。
具体的には、ChatGPTを使って、大学レベルのクラウドコンピューティングコースのためのオンラインプログラミング演習ボットを拡張します。
LLMは、コンテキスト内で発生する協調的な議論の詳細を組み込んだ、高度に位置決めされたリフレクショントリガを生成するために使用できることを実証する。
論文 参考訳（メタデータ） (2024-04-28T17:56:14Z) - 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) - System-Level Natural Language Feedback [83.24259100437965]
システムレベルの設計決定を人為的なループプロセスで形式化する上で,フィードバックの活用方法を示す。
検索クエリと対話応答生成を改善するために,本手法のケーススタディを2つ実施する。
システムレベルのフィードバックとインスタンスレベルのフィードバックの組み合わせは、さらなる利益をもたらします。
論文 参考訳（メタデータ） (2023-06-23T16:21:40Z) - Rethinking the Evaluation for Conversational Recommendation in the Era
of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。
本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。
LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文 参考訳（メタデータ） (2023-05-22T15:12:43Z)
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。