論文の概要: TriQuest:An AI Copilot-Powered Platform for Interdisciplinary Curriculum Design
- arxiv url: http://arxiv.org/abs/2510.03369v2
- Date: Thu, 23 Oct 2025 11:54:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:10.821106
- Title: TriQuest:An AI Copilot-Powered Platform for Interdisciplinary Curriculum Design
- Title（参考訳）: TriQuest: 学際的なカリキュラム設計のためのAIコパイロット駆動プラットフォーム
- Authors: Huazhen Wang, Huimin Yang, Hainbin Lin, Yan Dong, Lili Chen, Liangliang Xia, Wenwen Xu,
- Abstract要約: 学際的な教育は近代的なカリキュラム改革の基盤となっているが、その実践は知識統合と時間を要する授業計画の課題によって妨げられている。
これらの問題を解決するために設計されたAI-コパイロットプラットフォームであるTriQuestを紹介します。
TriQuestは、直感的なGUIを通じて大きな言語モデルと知識グラフを使用して、教師が高品質な学際的な授業プランを効率的に作成するのに役立つ。
- 参考スコア（独自算出の注目度）: 6.674574912039411
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Interdisciplinary teaching is a cornerstone of modern curriculum reform, but its implementation is hindered by challenges in knowledge integration and time-consuming lesson planning. Existing tools often lack the required pedagogical and domain-specific depth.We introduce TriQuest, an AI-copilot platform designed to solve these problems. TriQuest uses large language models and knowledge graphs via an intuitive GUI to help teachers efficiently generate high-quality interdisciplinary lesson plans. Its core features include intelligent knowledge integration from various disciplines and a human-computer collaborative review process to ensure quality and innovation.In a study with 43 teachers, TriQuest increased curriculum design efficiency and improved lesson plan quality. It also significantly lowered design barriers and cognitive load. Our work presents a new paradigm for empowering teacher professional development with intelligent technologies.
- Abstract（参考訳）: 学際的な教育は近代的なカリキュラム改革の基盤となっているが、その実践は知識統合と時間を要する授業計画の課題によって妨げられている。
既存のツールは、必要な教育的およびドメイン固有の深さを欠くことが多く、これらの問題を解決するために設計されたAI-コパイロットプラットフォームであるTriQuestを紹介します。
TriQuestは、直感的なGUIを通じて大きな言語モデルと知識グラフを使用して、教師が高品質な学際的な授業プランを効率的に作成するのに役立つ。
その中核となる機能は、様々な分野からの知的知識の統合と、品質とイノベーションを保証するための人間とコンピュータの共同レビュープロセスであり、43人の教師による研究で、TriQuestはカリキュラム設計の効率を高め、レッスンプランの品質を改善した。
また、設計障壁と認知負荷も大幅に低下した。
我々の研究は、知的技術で教師の専門的開発を促進するための新しいパラダイムを提示する。
関連論文リスト
- An Experience Report on a Pedagogically Controlled, Curriculum-Constrained AI Tutor for SE Education [4.976713294177978]
本稿では、RockStartITイニシアチブ内のデジタルプログラミングおよび計算思考コース用に開発されたAIアシスタントであるRockStartIT Tutorの設計とパイロット評価について述べる。
GPT-4をOpenAIのAssistant API経由で提供するこのチューターは、新しいプロンプト戦略と、コンテキスト認識、パーソナライズ、カリキュラムに制約されたサポートを中学生に提供するために、モジュール化されたセマンティックタグ付きナレッジベースを採用している。
論文 参考訳（メタデータ） (2025-12-08T12:54:37Z) - AI Education in Higher Education: A Taxonomy for Curriculum Reform and the Mission of Knowledge [2.1812675955027]
我々は、最も簡潔な課題はカリキュラムと学際的な目的のレベルにあると主張している。
我々は、研究、カリキュラム、教育、教員の専門知識の相互作用を通じて、規律がどのように進化していくかを示す。
論文 参考訳（メタデータ） (2025-09-27T15:22:58Z) - Comparative Analysis of STEM and non-STEM Teachers' Needs for Integrating AI into Educational Environments [0.6138671548064355]
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。
論文 参考訳（メタデータ） (2025-09-18T16:20:18Z) - From Objectives to Questions: A Planning-based Framework for Educational Mathematical Question Generation [32.76585750014007]
本稿では,自己回帰法(EQPR)を用いた数学的質問生成のための教育的質問計画を提案する。
モンテカルロ木探索に基づく計画アルゴリズムと大規模言語モデルの生成機能を組み合わせることで,質問を継続的に最適化する。
我々は,EQPRが多次元の教育目的を満たす質問生成において,大幅な改善を達成できることを実証した。
論文 参考訳（メタデータ） (2025-06-01T11:23:18Z) - Sakshm AI: Advancing AI-Assisted Coding Education for Engineering Students in India Through Socratic Tutoring and Comprehensive Feedback [1.9841192743072902]
プログラミング教育のための既存のAIツールは、ソクラティックガイダンスの欠如など、重要な課題に直面している。
本研究では,1170名の登録参加者を対象に,プラットフォームログ,エンゲージメント傾向,問題解決行動を分析し,Sakhm AIの効果を評価する。
論文 参考訳（メタデータ） (2025-03-16T12:13:29Z) - Unlimited Practice Opportunities: Automated Generation of Comprehensive, Personalized Programming Tasks [0.0]
本稿では、包括的なプログラミングタスクを生成するためのTutor Kaiと呼ばれる新機能を紹介し、評価する。
提示されたシステムでは、学生は自由にプログラミングの概念やタスクの文脈的テーマを選択できる。
論文 参考訳（メタデータ） (2025-03-12T10:35:25Z) - MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors [82.91830877219822]
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) - OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。
これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。
我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文 参考訳（メタデータ） (2024-06-18T16:20:53Z) - Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。
本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
論文 参考訳（メタデータ） (2023-12-27T14:37:32Z) - Towards Goal-oriented Intelligent Tutoring Systems in Online Education [65.17234980710386]
目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。
GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。
PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-03T12:37:16Z) - Automated Distractor and Feedback Generation for Math Multiple-choice
Questions via In-context Learning [43.83422798569986]
マルチチョイス質問(MCQ)は、管理しやすく、格付けし、信頼性の高い評価形式であるため、ほぼ全てのレベルの教育においてユビキタスである。
これまで、高品質なイントラクタを作るというタスクは、教師やコンテンツデザイナーを学ぶための労働集約的なプロセスのままだった。
本稿では,テキスト内学習をベースとした簡易な学習手法を提案する。
論文 参考訳（メタデータ） (2023-08-07T01:03:04Z) - Platform-Independent and Curriculum-Oriented Intelligent Assistant for
Higher Education [0.0]
我々は、パワー言語モデル(GPT-3)に基づくAIを活用したインテリジェントな教育支援フレームワークを開発した。
仮想インテリジェント・インテリジェンス・アシスタント(TA)システムは、カリキュラム、物流、コースポリシーに関するコース固有の質問に答えることのできる音声対応のヘルパーとして機能する。
論文 参考訳（メタデータ） (2023-02-15T19:02:01Z) - Teacher-student curriculum learning for reinforcement learning [1.7259824817932292]
強化学習(rl)は、シーケンシャルな意思決定問題に対する一般的なパラダイムである。
深部強化学習手法のサンプル非効率性は,実世界の問題に適用する際の重要な障害である。
そこで我々は,学生が選択した課題の解き方を学習している間に,生徒の課題を選択する教師を同時に訓練する学習環境を提案する。
論文 参考訳（メタデータ） (2022-10-31T14:45:39Z) - Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。
我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
論文 参考訳（メタデータ） (2022-03-19T03:22:57Z) - Creation and Evaluation of a Pre-tertiary Artificial Intelligence (AI)
Curriculum [58.86139968005518]
香港大学(CUHK)-Jockey Club AI for the Future Project(AI4Future)は、第3次教育のためのAIカリキュラムを共同開発した。
工学と教育を専門とする14人の教授が、6つの中学校の17の校長と教師と協力してカリキュラムを共同作成した。
共同創造プロセスは、AIにおける教師の知識を高める様々なリソースを生み出し、その課題を教室に持ち込むための教師の自主性を育んだ。
論文 参考訳（メタデータ） (2021-01-19T11:26:19Z) - 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。