論文の概要: LearnLens: An AI-Enhanced Dashboard to Support Teachers in Open-Ended Classrooms
- arxiv url: http://arxiv.org/abs/2509.10582v1
- Date: Thu, 11 Sep 2025 23:06:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:22.683916
- Title: LearnLens: An AI-Enhanced Dashboard to Support Teachers in Open-Ended Classrooms
- Title（参考訳）: LearnLens: オープンな教室で教師を支援するAI強化ダッシュボード
- Authors: Namrata Srivastava, Shruti Jain, Clayton Cohn, Naveeduddin Mohammed, Umesh Timalsina, Gautam Biswas,
- Abstract要約: ジェネレーティブAI(GenAI)-中学校科学における問題ベースの指導を支援するために設計された教師向けダッシュボード。
LearnLensは、学生のオープンエンドレスポンスをデジタルアセスメントから処理し、様々な洞察を提供する。
- 参考スコア（独自算出の注目度）: 3.7748177458129852
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Exploratory learning environments (ELEs), such as simulation-based platforms and open-ended science curricula, promote hands-on exploration and problem-solving but make it difficult for teachers to gain timely insights into students' conceptual understanding. This paper presents LearnLens, a generative AI (GenAI)-enhanced teacher-facing dashboard designed to support problem-based instruction in middle school science. LearnLens processes students' open-ended responses from digital assessments to provide various insights, including sample responses, word clouds, bar charts, and AI-generated summaries. These features elucidate students' thinking, enabling teachers to adjust their instruction based on emerging patterns of understanding. The dashboard was informed by teacher input during professional development sessions and implemented within a middle school Earth science curriculum. We report insights from teacher interviews that highlight the dashboard's usability and potential to guide teachers' instruction in the classroom.
- Abstract（参考訳）: シミュレーションベースのプラットフォームやオープンエンドの科学カリキュラムのような探索的学習環境(ELE)は、ハンズオン探索と問題解決を促進するが、教師が学生の概念的理解に関するタイムリーな洞察を得ることは困難である。
本稿では,中学校理科における問題ベース指導を支援するために,ジェネレーティブAI(GenAI)を活用した教師向けダッシュボードであるLearnLensを提案する。
LearnLensは、学生のオープンな回答をデジタルアセスメントから処理して、サンプル応答、ワードクラウド、バーチャート、AI生成要約など、さまざまな洞察を提供する。
これらの特徴は学生の思考を解明し、教師が新たな理解パターンに基づいて指導を調整できるようにすることである。
このダッシュボードは、専門的な開発セッション中に教師の入力によって通知され、中学の地球科学カリキュラムで実装された。
教室における教師の指導を指導する上で,ダッシュボードのユーザビリティと可能性を強調した教師インタビューの知見を報告する。
関連論文リスト
- Designing Gaze Analytics for ELA Instruction: A User-Centered Dashboard with Conversational AI Support [3.741199946315248]
視線追跡は、学生の認知とエンゲージメントに関する豊富な洞察を提供する。
しかし、教室向け教育技術では使われていない。
本稿では、英語芸術のための視線に基づく学習分析ダッシュボードの反復設計と評価について述べる。
論文 参考訳（メタデータ） (2025-09-03T22:01:14Z) - 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) - Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
GRADEは、教育と表現的アライメントを研究するための新しい制御された実験環境である。
学生との表現的整合性が向上し,生徒の学習成果が向上することがわかった。
しかし、この効果は、教えられているクラスのサイズと表現の多様性によって中和される。
論文 参考訳（メタデータ） (2024-06-06T17:48:24Z) - YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - Understanding Teacher Perspectives and Experiences after Deployment of
AI Literacy Curriculum in Middle-school Classrooms [12.35885897302579]
我々は,MIT RAICAカリキュラムのモジュール実装にともなう7人の教師の経験を考察した。
我々の分析は、AIモジュールが、この分野における教師の知識を拡大したことを示唆している。
私たちの教師は、技術資源をナビゲートする際に、より良い外部支援の必要性を主張しました。
論文 参考訳（メタデータ） (2023-12-08T05:36:16Z) - Iterative Teacher-Aware Learning [136.05341445369265]
人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。
本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
論文 参考訳（メタデータ） (2021-10-01T00:27:47Z) - Interactive Knowledge Distillation [79.12866404907506]
本稿では,効率的な知識蒸留のための対話型指導戦略を活用するために,対話型知識蒸留方式を提案する。
蒸留工程では,教師と学生のネットワーク間の相互作用を交換操作により行う。
教員ネットワークの典型的な設定による実験により,IAKDで訓練された学生ネットワークは,従来の知識蒸留法で訓練された学生ネットワークよりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-07-03T03:22:04Z) - 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。