論文の概要: Comparative Analysis of STEM and non-STEM Teachers' Needs for Integrating AI into Educational Environments
- arxiv url: http://arxiv.org/abs/2509.16276v1
- Date: Thu, 18 Sep 2025 16:20:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:15.716463
- Title: Comparative Analysis of STEM and non-STEM Teachers' Needs for Integrating AI into Educational Environments
- Title（参考訳）: AIを教育環境に統合するSTEMと非STEM教員のニーズの比較分析
- Authors: Bahare Riahi, Veronica Catete,
- Abstract要約: 本研究は,AIと分析機能を取り入れることで,教育プラットフォームをどのように改善できるかを考察する。
我々は8人のK-12教師にインタビューを行い、ブロックベースのプログラミング(BBP)プラットフォームをクラスで使用しながら、その実践とニーズについて質問した。
- 参考スコア（独自算出の注目度）: 0.6138671548064355
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is an increasing imperative to integrate programming platforms within AI frameworks to enhance educational tasks for both teachers and students. However, commonly used platforms such as Code.org, Scratch, and Snap fall short of providing the desired AI features and lack adaptability for interdisciplinary applications. This study explores how educational platforms can be improved by incorporating AI and analytics features to create more effective learning environments across various subjects and domains. We interviewed 8 K-12 teachers and asked their practices and needs while using any block-based programming (BBP) platform in their classes. We asked for their approaches in assessment, course development and expansion of resources, and student monitoring in their classes. Thematic analysis of the interview transcripts revealed both commonalities and differences in the AI tools needed between the STEM and non-STEM groups. Our results indicated advanced AI features that could promote BBP platforms. Both groups stressed the need for integrity and plagiarism checks, AI adaptability, customized rubrics, and detailed feedback in assessments. Non-STEM teachers also emphasized the importance of creative assignments and qualitative assessments. Regarding resource development, both AI tools desired for updating curricula, tutoring libraries, and generative AI features. Non-STEM teachers were particularly interested in supporting creative endeavors, such as art simulations. For student monitoring, both groups prioritized desktop control, daily tracking, behavior monitoring, and distraction prevention tools. Our findings identify specific AI-enhanced features needed by K-12 teachers across various disciplines and lay the foundation for creating more efficient, personalized, and engaging educational experiences.
- Abstract（参考訳）: 教師と学生の両方の教育タスクを強化するために、AIフレームワークにプログラミングプラットフォームを統合する必要性が高まっている。
しかし、Code.org、Scratch、Snapといった一般的なプラットフォームは、望ましいAI機能を提供し、学際アプリケーションへの適応性に欠ける。
本研究は、AIと分析機能を取り入れた教育プラットフォームが、様々な科目や領域にまたがるより効果的な学習環境を構築することにより、どのように改善できるかを考察する。
我々は8人のK-12教師にインタビューを行い、ブロックベースのプログラミング(BBP)プラットフォームをクラスで使用しながら、その実践とニーズについて質問した。
評価,授業開発,資源の拡大,学生の授業におけるモニタリングのアプローチについて質問した。
インタビュー書のテーマ分析により,STEM群と非STEM群のAIツールの共通点と相違点が明らかになった。
以上の結果から,BBPプラットフォームを促進できる高度なAI機能を示した。
両グループは、整合性と盗作チェック、AI適応性、カスタマイズされたルーリック、評価における詳細なフィードバックの必要性を強調した。
非STEM教師は創造的な課題や質的な評価の重要性も強調した。
リソース開発に関して、両方のAIツールは、カリキュラムの更新、ライブラリのチューニング、生成AI機能の提供を希望している。
非STEM教師は、特に芸術シミュレーションのような創造的な努力を支援することに興味を持っていた。
学生モニタリングでは、両方のグループがデスクトップコントロール、日々の追跡、行動監視、注意散らし防止ツールを優先している。
そこで本研究では,K-12教師が様々な分野において必要とする,AIを活用した特定の特徴を特定し,より効率的でパーソナライズされた,魅力的な教育体験の創出の基礎を築いた。
関連論文リスト
- PAPPL: Personalized AI-Powered Progressive Learning Platform [4.427312315598971]
本稿では,工学教育に特化した高度知能学習システムであるPAPPL(Personalized AI-Powered Progressive Learning)について紹介する。
PAPPLは、エキスパートモジュール、学生モジュール、チューターモジュール、ユーザーインターフェースを含むコアITSコンポーネントを統合し、洗練された大規模言語モデル(LLM)であるGPT-4oを利用する。
このシステムは、学生の試行を独自に記録し、繰り返し行われる誤解を検知し、段階的に目標とするフィードバックを生成し、各生徒の学習プロファイルに動的に適応するパーソナライズされた支援を提供する。
論文 参考訳（メタデータ） (2025-08-18T00:35:24Z) - AI-Powered Math Tutoring: Platform for Personalized and Adaptive Education [0.0]
本稿では,適応的およびパーソナライズされたフィードバック,構造化コース生成,教科書知識検索を組み合わせた,新しいマルチエージェントAI学習プラットフォームを提案する。
このシステムにより、学生は新しいトピックを学習し、弱点を特定し、ターゲティングし、試験を効果的に修正し、無制限にパーソナライズされたエクササイズを実践することができる。
論文 参考訳（メタデータ） (2025-07-14T20:35:16Z) - Generative AI for Multiple Choice STEM Assessments [0.0]
本研究では,「幻覚」が教育的目的に果たすことができる生成型AIの利用について検討する。
本稿では,オンライン指導のためのM"obiusプラットフォームについて述べる。
本稿では,これらの数学的意味論と効果的に相互作用するプロンプトの製作方法を検討する。
論文 参考訳（メタデータ） (2025-06-02T17:17:37Z) - Enhancing tutoring systems by leveraging tailored promptings and domain knowledge with Large Language Models [2.5362697136900563]
ChatGPTやIntelligent Tutoring Systems(ITS)といったAI駆動のツールは、パーソナライゼーションと柔軟性を通じて、学習エクスペリエンスを向上している。
ITSは、個々の学習ニーズに適応し、生徒のパフォーマンス、認知状態、学習パスに基づいてカスタマイズされたフィードバックを提供する。
我々の研究は,大規模言語モデル(LLM)の迅速な工学化にRAG(Retrieval Augmented Generation)を介して,スキルアラインなフィードバックを組み込むことによって,これらのギャップに対処することを目的としている。
論文 参考訳（メタデータ） (2025-05-02T02:30:39Z) - 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) - Advancing Education through Tutoring Systems: A Systematic Literature Review [3.276010440333338]
本研究は,知能学習システム (ITS) とロボット学習システム (RTS) を包含した学習システムの変革的役割を体系的にレビューする。
この発見は、適応性、エンゲージメント、学習結果を向上するAI技術の著しい進歩を示している。
この研究は、ITSとRTSの相補的な強みを強調し、教育効果を最大化するために統合されたハイブリッドソリューションを提案する。
論文 参考訳（メタデータ） (2025-03-12T18:47:07Z) - 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) - AGI: Artificial General Intelligence for Education [41.45039606933712]
本稿では,人工知能(AGI)の重要な概念,能力,範囲,将来的な教育の可能性について概説する。
AGIは知的学習システム、教育評価、評価手順を大幅に改善することができる。
この論文は、AGIの能力が人間の感情や社会的相互作用を理解することに拡張されていることを強調している。
論文 参考訳（メタデータ） (2023-04-24T22:31:59Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。