論文の概要: AI-Driven Grading and Moderation for Collaborative Projects in Computer Science Education
- arxiv url: http://arxiv.org/abs/2510.03998v1
- Date: Sun, 05 Oct 2025 02:16:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.382188
- Title: AI-Driven Grading and Moderation for Collaborative Projects in Computer Science Education
- Title（参考訳）: コンピュータサイエンス教育におけるAI-Driven Gradingと協調プロジェクトのためのモデレーション
- Authors: Songmei Yu, Andrew Zagula,
- Abstract要約: 本稿では,レポジトリマイニング,コミュニケーション分析,機械学習モデルを用いて,プロジェクト品質と個人作業の両方を評価する,半自動AI支援グレーティングシステムを提案する。
上級教育課程におけるパイロット配置は、インストラクター評価と高い整合性を示し、学生満足度を高め、インストラクターの成績を低下させた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Collaborative group projects are integral to computer science education, as they foster teamwork, problem-solving skills, and industry-relevant competencies. However, assessing individual contributions within group settings has long been a challenge. Traditional assessment strategies, such as the equal distribution of grades or subjective peer assessments, often fall short in terms of fairness, objectivity, and scalability, particularly in large classrooms. This paper introduces a semi-automated, AI-assisted grading system that evaluates both project quality and individual effort using repository mining, communication analytics, and machine learning models. The system comprises modules for project evaluation, contribution analysis, and grade computation, integrating seamlessly with platforms like GitHub. A pilot deployment in a senior-level course demonstrated high alignment with instructor assessments, increased student satisfaction, and reduced instructor grading effort. We conclude by discussing implementation considerations, ethical implications, and proposed enhancements to broaden applicability.
- Abstract（参考訳）: 協力的なグループプロジェクトは、チームワーク、問題解決スキル、産業関連能力の育成など、コンピュータサイエンス教育に不可欠である。
しかしながら、グループ設定内で個々のコントリビューションを評価することは、長い間課題でした。
等級の均等な分布や主観的査定のような伝統的な評価戦略は、特に大きな教室において、公平さ、客観性、スケーラビリティの点で不足することが多い。
本稿では,レポジトリマイニング,コミュニケーション分析,機械学習モデルを用いて,プロジェクト品質と個人作業の両方を評価する,半自動AI支援グレーティングシステムを提案する。
このシステムは、プロジェクト評価、コントリビューション分析、グレード計算のためのモジュールで構成されており、GitHubのようなプラットフォームとシームレスに統合されている。
上級教育課程におけるパイロット配置は、インストラクター評価と高い整合性を示し、学生満足度を高め、インストラクターの成績を低下させた。
我々は、実装の考察、倫理的含意、適用性を高めるための拡張提案について論じる。
関連論文リスト
- Expert Preference-based Evaluation of Automated Related Work Generation [54.29459509574242]
本稿では,従来の作業評価基準と専門家固有の嗜好を統合したマルチターン評価フレームワークGREPを提案する。
より優れたアクセシビリティを実現するため、我々はGREPの2つの変種を設計する: プロプライエタリなLLMを評価対象とするより正確な変種と、オープンウェイトなLLMをより安価な代替品である。
論文 参考訳（メタデータ） (2025-08-11T13:08:07Z) - Teaching at Scale: Leveraging AI to Evaluate and Elevate Engineering Education [3.557803321422781]
本稿では,大規模言語モデルを用いた定性的な学生フィードバックのためのスケーラブルなAI支援フレームワークを提案する。
このシステムは階層的な要約、匿名化、例外処理を用いて、オープンなコメントから実行可能なテーマを抽出する。
大規模な工学系大学への展開が成功したことを報告します。
論文 参考訳（メタデータ） (2025-08-01T20:27:40Z) - Lessons from a Big-Bang Integration: Challenges in Edge Computing and Machine Learning [52.86213078016168]
プロジェクトはビッグバン統合のアプローチのため、重大な挫折に直面した。
この研究は、コミュニケーションの貧弱さを含む技術的および組織的障壁を特定する。
また、モックアップよりも完全に発達したコンポーネントに対するバイアスのような心理的要因も考慮している。
論文 参考訳（メタデータ） (2025-07-23T07:16:45Z) - AGACCI : Affiliated Grading Agents for Criteria-Centric Interface in Educational Coding Contexts [0.6050976240234864]
本稿では,協調エージェント間で専門的な評価を分散するマルチエージェントシステムAGACCIを紹介する。
AGACCIは、ルーブリックとフィードバックの正確性、妥当性、一貫性、一貫性の点で、単一のGPTベースのベースラインを上回っている。
論文 参考訳（メタデータ） (2025-07-07T15:50:46Z) - Rethinking Machine Unlearning in Image Generation Models [59.697750585491264]
CatIGMUは、新しい階層的なタスク分類フレームワークである。
EvalIGMUは包括的な評価フレームワークである。
高品質な未学習データセットであるDataIGMを構築した。
論文 参考訳（メタデータ） (2025-06-03T11:25:14Z) - Closing the Evaluation Gap: Developing a Behavior-Oriented Framework for Assessing Virtual Teamwork Competency [6.169364905804677]
本研究では,工学系学生の仮想チームワーク能力を評価するための行動指向フレームワークを開発する。
批判的インシデントテクニックと組み合わせたフォーカスグループインタビューを用いて,3つの重要な側面を同定した。
結果として得られるフレームワークは、より効果的な評価プラクティスの基礎を提供する。
論文 参考訳（メタデータ） (2025-04-20T08:12:27Z) - Level Up Peer Review in Education: Investigating genAI-driven Gamification system and its influence on Peer Feedback Effectiveness [0.8087870525861938]
本稿では、Generative AI(GenAI)アシストと統合されたゲーミフィケーションピアアセスメントプラットフォームであるSocratiqueを紹介する。
Socratiqueはゲーム要素を取り入れることで、学生により多くのフィードバックを提供する動機付けを目指している。
治療群では, 明瞭度, 関連性, 特異性について, より自発的なフィードバックが得られた。
論文 参考訳（メタデータ） (2025-04-03T18:30:25Z) - Code Collaborate: Dissecting Team Dynamics in First-Semester Programming Students [3.0294711465150006]
この研究は、第一期生が2Dゲームプロジェクトを開発するときに現れるコラボレーションのトレンドを強調している。
その結果、学生は自分の貢献をわずかに過大評価することが多く、より熱心な個人は間違いを認めやすいことが示唆された。
チームパフォーマンスは、国籍や性別構成に基づく大きな変化は示さないが、解散したチームは、しばしば孤独なオオカミで構成されていた。
論文 参考訳（メタデータ） (2024-10-28T11:42:05Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Modelling Assessment Rubrics through Bayesian Networks: a Pragmatic Approach [40.06500618820166]
本稿では,学習者モデルを直接評価ルーリックから導出する手法を提案する。
本稿では,コンピュータ思考のスキルをテストするために開発された活動の人的評価を自動化するために,この手法を適用する方法について述べる。
論文 参考訳（メタデータ） (2022-09-07T10:09:12Z)
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。