論文の概要: LingoQ: Bridging the Gap between ESL Learning and Work through AI-Generated Work-Related Quizzes

• arxiv url: http://arxiv.org/abs/2509.17477v1
• Date: Mon, 22 Sep 2025 08:12:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.286132
• Title: LingoQ: Bridging the Gap between ESL Learning and Work through AI-Generated Work-Related Quizzes
• Title（参考訳）: LingoQ: AIによって生成された作業関連クイズを通じて、ESL学習と作業のギャップを埋める
• Authors: Yeonsun Yang, Sang Won Lee, Jean Y. Song, Sangdoo Yun, Young-Ho Kim,
• Abstract要約: 我々はLingoQについて紹介する。LingoQはAIを利用したシステムで、作業中にLLMクエリから生成されたクイズを使って英語を実践することができる。 28名のESL労働者を対象に,LingoQを評価するために3週間の展開調査を行った。 この積極的関与は自己効力を高め、初心者や中間学習者にとっての学習力の向上につながった。
• 参考スコア（独自算出の注目度）: 43.63587021114694
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Non-native English speakers performing English-related tasks at work struggle to sustain ESL learning, despite their motivation. Often, study materials are disconnected from their work context. Although workers rely on LLM assistants to address their immediate needs, these interactions may not directly contribute to their English skills. We present LingoQ, an AI-mediated system that allows workers to practice English using quizzes generated from their LLM queries during work. LingoQ leverages these queries using AI to generate personalized quizzes that workers can review and practice on their smartphones. We conducted a three-week deployment study with 28 ESL workers to evaluate LingoQ. Participants valued the relevance of quizzes that reflect their own context, constantly engaging with the app during the study. This active engagement improved self-efficacy and led to learning gains for beginners and, potentially, for intermediate learners. We discuss opportunities of leveraging users' reliance on LLMs to situate their learning in the user context for improved learning.
• Abstract（参考訳）: 英語の非ネイティブ話者は、その動機にもかかわらず、仕事で英語に関連するタスクを実行することはESL学習を維持するのに苦労する。 しばしば、研究材料は仕事の文脈から切り離される。 労働者は即時のニーズに対応するためにLLMアシスタントに頼るが、これらの相互作用は直接英語のスキルに寄与しないかもしれない。 我々はLingoQについて紹介する。LingoQはAIを利用したシステムで、作業中にLLMクエリから生成されたクイズを使って英語を実践することができる。 LingoQはAIを使ってこれらのクエリを利用して、労働者がスマートフォンでレビューや練習できるパーソナライズされたクイズを生成する。 28名のESL労働者を対象に,LingoQを評価するために3週間の展開調査を行った。 参加者は、研究中に常にアプリに関わりながら、自分自身のコンテキストを反映するクイズの関連性を評価した。 この積極的関与は自己効力を高め、初心者や中間学習者にとって学習力の向上につながった。 学習改善のためにユーザコンテキストに学習を集中させるため,LLMへのユーザの依存を活用できる機会について論じる。

関連論文リスト

• Can Large Language Models Help Students Prove Software Correctness? An Experimental Study with Dafny [75.55915044740566]
  コンピューティング教育の学生は、ChatGPTのような大きな言語モデル(LLM)をますます利用している。 本稿では,Dafny の形式的検証演習において,学生が LLM とどのように相互作用するかを検討する。
  論文  参考訳（メタデータ） (2025-06-27T16:34:13Z)
• Conversational AI as a Coding Assistant: Understanding Programmers' Interactions with and Expectations from Large Language Models for Coding [5.064404027153094]
  大規模言語モデル(LLM)を利用した会話型AIインタフェースは、コーディングアシスタントとしてますます利用されている。 本研究は,LLM駆動型コーディングアシスタントにおけるプログラマの利用パターン,知覚,インタラクション戦略について検討する。
  論文  参考訳（メタデータ） (2025-03-14T15:06:07Z)
• The StudyChat Dataset: Student Dialogues With ChatGPT in an Artificial Intelligence Course [1.9116784879310025]
  大規模言語モデル(LLM)は教育に大きな影響を与え、機会と課題の両方を提起している。 本研究では,LLMを用いた実世界の学生インタラクションのデータセットであるStudioChatを紹介する。 本稿では,ChatGPTのコア機能を再現したWebアプリケーションをデプロイし,学生のLLMとのインタラクションをログに記録する。 これらの相互作用を分析し、利用傾向を強調し、特定の生徒の行動がコースの結果とどのように関連しているかを分析する。
  論文  参考訳（メタデータ） (2025-03-11T00:17:07Z)
• Position: LLMs Can be Good Tutors in English Education [120.25980336297444]
  大規模言語モデル(LLM)は、英語教育において効果的な家庭教師として機能する可能性がある。 LLMは、データエンハンサー、学習材料の作成の改善、学生シミュレーションの3つの重要な役割を果たすことができる。
  論文  参考訳（メタデータ） (2025-02-08T06:48:49Z)
• LLMs are Imperfect, Then What? An Empirical Study on LLM Failures in Software Engineering [38.20696656193963]
  非自明なソフトウェアエンジニアリングタスクにおいて,ChatGPTをコーディングアシスタントとして使用した22名の参加者を対象に,観察的研究を行った。 そこで我々は,ChatGPTが失敗した事例,その根本原因,およびユーザが使用する緩和ソリューションを特定した。
  論文  参考訳（メタデータ） (2024-11-15T03:29:41Z)
• Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs [49.18567856499736]
  本研究では,大規模言語モデル(LLM)が対話学習を支援することができるかどうかを検討する。 我々は,学習者の知識レベルを対話全体にわたって追跡するために,ラベル付きデータに知識追跡(KT)手法を適用した。 我々は,2つの学習対話データセットの実験を行い,従来のKT手法よりも学生の反応の正しさを予測できる新しいLCM-based method LLMKTが優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-24T22:31:39Z)
• Exploring the Integration of Large Language Models into Automatic Speech Recognition Systems: An Empirical Study [0.0]
  本稿では,Large Language Models (LLM) と自動音声認識(ASR)システムの統合について検討する。 我々の主な焦点は、LLMのコンテキスト内学習機能を用いて、ASRシステムの性能を向上させる可能性を調査することである。
  論文  参考訳（メタデータ） (2023-07-13T02:31:55Z)

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。