論文の概要: Discovering Self-Regulated Learning Patterns in Chatbot-Powered Education Environment
- arxiv url: http://arxiv.org/abs/2510.01275v1
- Date: Tue, 30 Sep 2025 02:38:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-03 16:59:20.781495
- Title: Discovering Self-Regulated Learning Patterns in Chatbot-Powered Education Environment
- Title（参考訳）: チャットボットを利用した学習環境における自己統制型学習パターンの発見
- Authors: Yilin Lyu, Ren Ding,
- Abstract要約: Gen-SRLは、学生のプロンプトを16のマイクロレベルアクションに分類するアノテーションスキーマである。
実際の英語記述タスクから212名の学生-チャットボットインタラクションを注釈付けした。
その結果、学生のSRL行動は不均衡であり、82%以上がタスク実行に焦点を合わせ、計画とリフレクションへの関与が制限されていることが明らかとなった。
- 参考スコア（独自算出の注目度）: 3.448910298087491
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The increasing adoption of generative AI (GenAI) tools such as chatbots in education presents new opportunities to support students' self-regulated learning (SRL), but also raises concerns about how learners actually engage in planning, executing, and reflection when learning with a chatbot. While SRL is typically conceptualized as a sequential process, little is known about how it unfolds during real-world student-chatbot interactions. To explore this, we proposed Gen-SRL, an annotation schema to categorize student prompts into 16 microlevel actions across 4 macrolevel phases. Using the proposed schema, we annotated 212 chatbot interactions from a real-world English writing task. We then performed frequency analysis and process mining (PM) techniques to discover SRL patterns in depth. Our results revealed that students' SRL behaviours were imbalanced, with over 82% of actions focused on task execution and limited engagement in planning and reflection. In addition, the process analysis showed nonsequential regulation patterns. Our findings suggest that classical SRL theories cannot fully capture the dynamic SRL patterns that emerge during chatbot interactions. Furthermore, we highlight the importance of designing adaptive and personalized scaffolds that respond to students' dynamic behaviours in chatbot-powered contexts. More importantly, this study offers a new perspective for advancing SRL research and suggests directions for developing chatbots that better support self-regulation.
- Abstract（参考訳）: 教育におけるチャットボットなどのジェネレーティブAI(GenAI)ツールの採用の増加は、学生の自己統制学習(SRL)を支援する新たな機会を提供する一方で、学習者がチャットボットで学習する際の計画、実行、リフレクションに実際にどう関与するかという懸念も提起している。
SRLは典型的にはシーケンシャルなプロセスとして概念化されているが、現実世界の学生とチャットボットの相互作用の間にどのように展開するかは分かっていない。
そこで我々は、4つのマクロレベルフェーズで16のマイクロレベルアクションに分類するアノテーションスキーマGen-SRLを提案する。
提案したスキーマを用いて,実世界の英語記述タスクから212のチャットボットインタラクションをアノテートした。
その後,周波数解析とプロセスマイニング(PM)を行い,SRLパターンの深部検出を行った。
その結果、学生のSRL行動は不均衡であり、82%以上がタスク実行に焦点を合わせ、計画やリフレクションへの関与が制限されていることが明らかとなった。
さらに, プロセス分析の結果, 非逐次的規制パターンが示された。
従来のSRL理論では,チャットボット間相互作用において出現する動的SRLパターンを完全に捉えることはできないことが示唆された。
さらに,チャットボットを利用した状況下での学生の動的行動に対応する適応的でパーソナライズされた足場を設計することの重要性を強調した。
さらに重要なことは、この研究はSRL研究を進めるための新しい視点を提供し、自己規制をより良く支援するチャットボットを開発するための方向性を提案することである。
関連論文リスト
- Parallel-R1: Towards Parallel Thinking via Reinforcement Learning [65.68667585027232]
並列思考は、大規模言語モデルの推論能力を高めるための新しいアプローチである。
並列思考行動を可能にする最初の強化学習フレームワークである textbfParallel-R1 を提案する。
本フレームワークでは,並列思考のトレーニングにおいて,コールドスタート問題に明示的に対処する漸進的なカリキュラムを採用している。
論文 参考訳（メタデータ） (2025-09-09T17:59:35Z) - Chatbot To Help Patients Understand Their Health [15.774681886100383]
NoteAid-Chatbotは,新たな‘会話としての学習’フレームワークを通じて,患者の理解を促進する会話型AIだ。
NoteAid-Chatbotは、医療会話戦略を用いて合成された会話データの初期教師付き微調整と、シミュレートされた病院退院シナリオにおける患者理解評価から得られる報酬のRLの2段階で訓練された軽量LLaMA 3.2 3Bモデルに基づいて構築された。
論文 参考訳（メタデータ） (2025-09-06T19:50:44Z) - Beyond Self-Regulated Learning Processes: Unveiling Hidden Tactics in Generative AI-Assisted Writing [6.959292553787328]
ジェネレーティブAI(GenAI)の教育への統合は、学生の学習方法を変えつつある。
GenAIツールとの相互作用において,自己制御学習(SRL)がどのように展開するかを理解することが不可欠である。
論文 参考訳（メタデータ） (2025-08-14T03:28:36Z) - Using Think-Aloud Data to Understand Relations between Self-Regulation
Cycle Characteristics and Student Performance in Intelligent Tutoring Systems [15.239133633467672]
本研究では,学習者のモーメント・バイ・モーメントのパフォーマンスとSRLの挙動について検討する。
本稿では,AI生成した思考情報に基づくSRL行動のラベル付けの実現可能性を示す。
SRLサイクルの進行過程における学生の行動は、後のSRLサイクルの段階よりも、問題解決時のモーメント・バイ・モーメントの正しさが低かった。
論文 参考訳（メタデータ） (2023-12-09T20:36:58Z) - KRLS: Improving End-to-End Response Generation in Task Oriented Dialog
with Reinforced Keywords Learning [25.421649004269373]
タスク指向ダイアログ(TOD)では、強化学習アルゴリズムがタスク関連メトリクスの応答を直接最適化するためにモデルを訓練する。
オフライン環境でのTOD性能を改善するために,より効率的なRLベースのアルゴリズムを提案する。
MultiWoZデータセットの実験では、我々の新しいトレーニングアルゴリズムであるKeywords Reinforcement Learning with Next-word Smpling (KRLS)が最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2022-11-30T06:27:46Z) - A Survey on Explainable Reinforcement Learning: Concepts, Algorithms, Challenges [51.699348215510575]
強化学習(Reinforcement Learning, RL)は、インテリジェントエージェントが環境と対話して長期的な目標を達成する、一般的な機械学習パラダイムである。
励ましの結果にもかかわらず、ディープニューラルネットワークベースのバックボーンは、専門家が高いセキュリティと信頼性が不可欠である現実的なシナリオにおいて、訓練されたエージェントを信頼し、採用することを妨げるブラックボックスとして広く見なされている。
この問題を緩和するために、本質的な解釈可能性やポストホックな説明可能性を構築することにより、知的エージェントの内部動作に光を放つための大量の文献が提案されている。
論文 参考訳（メタデータ） (2022-11-12T13:52:06Z) - CHAI: A CHatbot AI for Task-Oriented Dialogue with Offline Reinforcement
Learning [85.3987745097806]
オフライン強化学習は、人間の話者から収集された静的データセットを使用して、対話エージェントをトレーニングするために使用することができる。
実験により,最近開発されたオフラインRL手法と言語モデルを組み合わせることで,現実的な対話エージェントが得られることが示された。
論文 参考訳（メタデータ） (2022-04-18T17:43:21Z) - RvS: What is Essential for Offline RL via Supervised Learning? [77.91045677562802]
近年の研究では、時間差(TD)のない教師あり学習だけでオフラインRLに極めて効果的であることが示されている。
あらゆる環境スイートにおいて、2層フィードフォワードによる可能性の最大化は競争力がある。
彼らはまた、ランダムデータに対して比較的弱い既存のRvS法の限界を探索する。
論文 参考訳（メタデータ） (2021-12-20T18:55:16Z) - Accelerating Robotic Reinforcement Learning via Parameterized Action
Primitives [92.0321404272942]
強化学習は汎用ロボットシステムの構築に使用することができる。
しかし、ロボット工学の課題を解決するためにRLエージェントを訓練することは依然として困難である。
本研究では,ロボット行動プリミティブ(RAPS)のライブラリを手動で指定し,RLポリシーで学習した引数をパラメータ化する。
動作インターフェースへの簡単な変更は、学習効率とタスクパフォーマンスの両方を大幅に改善する。
論文 参考訳（メタデータ） (2021-10-28T17:59:30Z) - POAR: Efficient Policy Optimization via Online Abstract State
Representation Learning [6.171331561029968]
状態表現学習(SRL)は,複雑な感覚データからタスク関連特徴を低次元状態に符号化する。
我々は、SRLの解釈を改善するために、専門家のデモンストレーションを活用するために、ドメイン類似と呼ばれる新しいSRLを導入する。
我々はPOARを実証的に検証し、高次元のタスクを効率的に処理し、スクラッチから直接実生活ロボットの訓練を容易にする。
論文 参考訳（メタデータ） (2021-09-17T16:52:03Z)
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。