論文の概要: Instructional Agents: LLM Agents on Automated Course Material Generation for Teaching Faculties

• arxiv url: http://arxiv.org/abs/2508.19611v1
• Date: Wed, 27 Aug 2025 06:45:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.526658
• Title: Instructional Agents: LLM Agents on Automated Course Material Generation for Teaching Faculties
• Title（参考訳）: 教育エージェント:教育機関向け自動教材作成のためのLLMエージェント
• Authors: Huaiyuan Yao, Wanpeng Xu, Justin Turnau, Nadia Kellam, Hua Wei,
• Abstract要約: Instructional Agentsは、エンド・ツー・エンドの教材生成を自動化するためのフレームワークである。 このフレームワークは、教育エージェント間のロールベースのコラボレーションをシミュレートし、結束的で教育的に整合したコンテンツを生成する。 高品質な教育材料を生産し、開発時間と人的負荷を大幅に削減する。
• 参考スコア（独自算出の注目度）: 3.045939700894802
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Preparing high-quality instructional materials remains a labor-intensive process that often requires extensive coordination among teaching faculty, instructional designers, and teaching assistants. In this work, we present Instructional Agents, a multi-agent large language model (LLM) framework designed to automate end-to-end course material generation, including syllabus creation, lecture scripts, LaTeX-based slides, and assessments. Unlike existing AI-assisted educational tools that focus on isolated tasks, Instructional Agents simulates role-based collaboration among educational agents to produce cohesive and pedagogically aligned content. The system operates in four modes: Autonomous, Catalog-Guided, Feedback-Guided, and Full Co-Pilot mode, enabling flexible control over the degree of human involvement. We evaluate Instructional Agents across five university-level computer science courses and show that it produces high-quality instructional materials while significantly reducing development time and human workload. By supporting institutions with limited instructional design capacity, Instructional Agents provides a scalable and cost-effective framework to democratize access to high-quality education, particularly in underserved or resource-constrained settings.
• Abstract（参考訳）: 高品質な教材を作成することは労働集約的なプロセスであり、しばしば教員、教育設計者、および指導助手の間で広範囲な調整を必要とする。 本研究では,Syllabus の生成,講義スクリプト,LaTeX ベースのスライド,評価などを含む,エンド・ツー・エンドの教材生成を自動化するための多エージェント大規模言語モデル (LLM) フレームワークである Instructional Agents を提案する。 孤立したタスクに焦点を当てた既存のAI支援教育ツールとは異なり、インストラクショナルエージェントは、教育エージェント間のロールベースのコラボレーションをシミュレートして、凝集的で教育的に整合したコンテンツを生成する。 システムは、自律モード、カタログガイドモード、フィードバックガイドモード、フルコパイロットモードの4つのモードで動作し、人間の関与度を柔軟に制御できる。 大学レベルのコンピュータサイエンス科目5科目を対象に,インストラクショナルエージェントの評価を行い,開発時間と人的作業量を大幅に削減しつつ,高品質な教材を生産していることを示す。 限られた教育設計能力を持つ機関を支援することで、インストラクショナルエージェントは質の高い教育へのアクセスを民主化するためのスケーラブルで費用対効果の高いフレームワークを提供する。

関連論文リスト

• Enabling Multi-Agent Systems as Learning Designers: Applying Learning Sciences to AI Instructional Design [6.080614844688028]
  本研究は,教育的専門知識を利用者のプロンプトからLLMの内部アーキテクチャへシフトさせる。 二次数学と理科の学習活動を生成するための3つのシステムを検証した。
  論文  参考訳（メタデータ） (2025-08-20T14:44:00Z)
• Self-Challenging Language Model Agents [98.62637336505242]
  本稿では,エージェントが自ら生成する高品質なタスクについて,エージェントを訓練するためのセルフチェンジフレームワークを提案する。 このフレームワークは、Llama-3.1-8B-Instructの2倍の改善を実現している。
  論文  参考訳（メタデータ） (2025-06-02T14:23:33Z)
• Design of AI-Powered Tool for Self-Regulation Support in Programming Education [4.171227316909729]
  大きな言語モデル(LLM)ツールは、高品質な補助を提供する可能性を示している。 しかし、これらのツールの多くは、機関的な学習管理システムとは独立して運用されている。 この分離は、学習材料を活用する能力と、適切なコンテキスト対応のフィードバックを生成するためのコンテキストを行使する能力を制限する。
  論文  参考訳（メタデータ） (2025-04-03T22:47:33Z)
• LLM Agents for Education: Advances and Applications [49.3663528354802]
  大規模言語モデル(LLM)エージェントは、タスクの自動化と多様な教育アプリケーションにおけるイノベーションの推進において、顕著な能力を示した。 本調査は、LLMエージェントの総合的技術概要を提供することを目的としており、学習者や教育者のより大きな利益に対する影響を高めるために、さらなる研究と協力を促進することを目的としている。
  論文  参考訳（メタデータ） (2025-03-14T11:53:44Z)
• ARCHED: A Human-Centered Framework for Transparent, Responsible, and Collaborative AI-Assisted Instructional Design [10.99360129432492]
  ARCHEDは、AI能力を活用しながら、人間の教育者が設計プロセスの中心に留まることを保証するフレームワークである。 このフレームワークは専門的なAIエージェントを統合しており、ひとつは多様な教育的選択肢を生成し、もうひとつは学習目標との整合性を評価する。 実証的な評価によると、ARCHEDは教育者の監督を保ちながら、教育におけるAI統合の責任を負うための一歩として、教育設計の質を高める。
  論文  参考訳（メタデータ） (2025-03-11T22:19:46Z)
• LLM-powered Multi-agent Framework for Goal-oriented Learning in Intelligent Tutoring System [54.71619734800526]
  GenMentorは、ITS内で目標指向でパーソナライズされた学習を提供するために設計されたマルチエージェントフレームワークである。 学習者の目標を、カスタムのゴール・トゥ・スキルデータセットでトレーニングされた微調整LDMを使用して、必要なスキルにマッピングする。 GenMentorは、個々の学習者のニーズに合わせて探索・描画・統合機構で学習内容を調整する。
  論文  参考訳（メタデータ） (2025-01-27T03:29:44Z)
• AI Agent for Education: von Neumann Multi-Agent System Framework [5.454637151538793]
  本稿では,教育におけるマルチエージェントシステムを中心に,フォン・ノイマンのマルチエージェントシステムフレームワークを提案する。 各AIエージェントを、コントロールユニット、ロジックユニット、ストレージユニット、入出力デバイスという4つのモジュールに分割する。 タスクのデコンストラクション、自己リフレクション、メモリ処理、ツール呼び出しの4つのタイプを定義している。
  論文  参考訳（メタデータ） (2024-12-30T16:58:17Z)
• Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
  大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。 本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。 実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
  論文  参考訳（メタデータ） (2023-12-28T13:50:42Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)

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。