論文の概要: MathBuddy: A Multimodal System for Affective Math Tutoring

• arxiv url: http://arxiv.org/abs/2508.19993v1
• Date: Wed, 27 Aug 2025 15:50:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.690504
• Title: MathBuddy: A Multimodal System for Affective Math Tutoring
• Title（参考訳）: MathBuddy: 影響のある数学学習のためのマルチモーダルシステム
• Authors: Debanjana Kar, Leopold Böss, Dacia Braca, Sebastian Maximilian Dennerlein, Nina Christine Hubig, Philipp Wintersberger, Yufang Hou,
• Abstract要約: MathBuddyはLLMで動くMath Tutorだ。 生徒の感情を関連する教育戦略にマッピングし、教師と学生の会話をより共感的なものにする。 DAMRスコアを用いて,勝利率と総合的な3ポイントゲインを用いて,23ポイントの大規模なパフォーマンスゲインを報告した。
• 参考スコア（独自算出の注目度）: 10.968012903118975
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid adoption of LLM-based conversational systems is already transforming the landscape of educational technology. However, the current state-of-the-art learning models do not take into account the student's affective states. Multiple studies in educational psychology support the claim that positive or negative emotional states can impact a student's learning capabilities. To bridge this gap, we present MathBuddy, an emotionally aware LLM-powered Math Tutor, which dynamically models the student's emotions and maps them to relevant pedagogical strategies, making the tutor-student conversation a more empathetic one. The student's emotions are captured from the conversational text as well as from their facial expressions. The student's emotions are aggregated from both modalities to confidently prompt our LLM Tutor for an emotionally-aware response. We have effectively evaluated our model using automatic evaluation metrics across eight pedagogical dimensions and user studies. We report a massive 23 point performance gain using the win rate and a 3 point gain at an overall level using DAMR scores which strongly supports our hypothesis of improving LLM-based tutor's pedagogical abilities by modeling students' emotions.
• Abstract（参考訳）: LLMベースの会話システムの急速な普及は、すでに教育技術の展望を変えつつある。 しかし、現在の最先端の学習モデルは、生徒の感情的な状態を考慮に入れていない。 教育心理学における複数の研究は、ポジティブまたはネガティブな感情状態が生徒の学習能力に影響を与えるという主張を支持している。 学生の感情を動的にモデル化し、関連する教育戦略にマッピングし、教師と学生の会話をより共感的なものにする。 生徒の感情は、会話のテキストや表情から捉えられる。 学生の感情は、両方のモダリティから集約され、感情に敏感な反応を LLM Tutor に確実に促す。 我々は,8つの教育領域における自動評価指標とユーザスタディを用いて,このモデルを効果的に評価した。 学生の感情をモデル化し,LLMに基づく教官の教育能力向上の仮説を強く支持するDAMRスコアを用いて,勝利率と総合的な3点利得を用いた23点利得を大規模に報告した。

関連論文リスト

• Emotionally Numb or Empathetic? Evaluating How LLMs Feel Using EmotionBench [83.41621219298489]
  心理学からの感情評価理論を用いて,Large Language Models (LLMs) の人為的能力を評価する。 我々は、研究の中心となる8つの感情を引き出すのに有効な400以上の状況を含むデータセットを収集した。 我々は世界中の1200人以上の被験者を対象に人間による評価を行った。
  論文  参考訳（メタデータ） (2023-08-07T15:18:30Z)
• Large Language Models Understand and Can be Enhanced by Emotional Stimuli [53.53886609012119]
  我々は、感情的な刺激を理解するために、大規模言語モデルの能力を探究する第一歩を踏み出す。 実験の結果,LLMは感情的知能を把握でき,その性能は感情的刺激によって改善できることがわかった。 EmotionPromptが生成タスクの性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-07-14T00:57:12Z)

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。