論文の概要: Towards AI Agents for Course Instruction in Higher Education: Early Experiences from the Field
- arxiv url: http://arxiv.org/abs/2510.20255v1
- Date: Thu, 23 Oct 2025 06:23:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:17.448051
- Title: Towards AI Agents for Course Instruction in Higher Education: Early Experiences from the Field
- Title（参考訳）: 高等教育における教員養成のためのAIエージェントを目指して--現場からの経験から
- Authors: Yogesh Simmhan, Varad Kulkarni,
- Abstract要約: この記事では、IIScの大学院レベルのクラウドコンピューティングコースで、AIベースの教育エージェントを主要なインストラクターとして配置し、デプロイし、評価することで、初期の知見を提示する。
本稿では,Large Language Model (LLM) 駆動のインストラクタエージェントの設計について詳述し,インストラクタエージェントをコースワークフローに統合する教育的フレームワークを紹介する。
本稿では,学生がエージェントとどのように相互作用し,概念を探求し,疑念を明確化し,調査主導の対話をライブ教室で行うかについて報告する。
- 参考スコア（独自算出の注目度）: 3.1941554288428193
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article presents early findings from designing, deploying and evaluating an AI-based educational agent deployed as the primary instructor in a graduate-level Cloud Computing course at IISc. We detail the design of a Large Language Model (LLM)-driven Instructor Agent, and introduce a pedagogical framework that integrates the Instructor Agent into the course workflow for actively interacting with the students for content delivery, supplemented by the human instructor to offer the course structure and undertake question--answer sessions. We also propose an analytical framework that evaluates the Agent--Student interaction transcripts using interpretable engagement metrics of topic coverage, topic depth and turn-level elaboration. We report early experiences on how students interact with the Agent to explore concepts, clarify doubts and sustain inquiry-driven dialogue during live classroom sessions. We also report preliminary analysis on our evaluation metrics applied across two successive instructional modules that reveals patterns of engagement evolution, transitioning from broad conceptual exploration to deeper, focused inquiry. These demonstrate how structured integration of conversational AI agents can foster reflective learning, offer a reproducible methodology for studying engagement in authentic classroom settings, and support scalable, high-quality higher education.
- Abstract（参考訳）: この記事では、IIScの大学院レベルのクラウドコンピューティングコースで、AIベースの教育エージェントを主要なインストラクターとして配置し、デプロイし、評価することで、初期の知見を提示する。
本稿では,Large Language Model (LLM) 駆動型インストラクタエージェントの設計を詳述するとともに,インストラクタエージェントをコースワークフローに統合し,コンテンツ配信のために学生と積極的に対話し,コース構造を提供し,質問-回答セッションを行う。また,トピックカバレッジ,トピック深度,ターンレベルのエラボレーションの解釈可能なエンゲージメント指標を用いて,エージェント-構造化インタラクションの書き起こしを評価する分析フレームワークを提案する。
本稿では,学生がエージェントとどのように相互作用し,概念を探求し,疑念を明確化し,調査主導の対話をライブ教室で行うかについて報告する。
また,2つの命令モジュールにまたがって適用された評価指標について予備分析を行い,より広範な概念探索からより深く焦点を絞った調査へと移行するエンゲージメント進化のパターンを明らかにした。
これらのことは、会話型AIエージェントの構造化された統合が、振り返り学習を促進し、真の教室環境でのエンゲージメントを研究する再現可能な方法論を提供し、スケーラブルで高品質な高等教育をサポートすることを実証している。
関連論文リスト
- EduDial: Constructing a Large-scale Multi-turn Teacher-Student Dialogue Corpus [59.693733170193944]
EduDialは総合的な多ターン教師/学生対話データセットである。
EduDialは345のコアナレッジポイントをカバーし、教師と学生エージェントの対話によって生成された34,250の対話セッションで構成されている。
論文 参考訳（メタデータ） (2025-10-14T18:18:43Z) - A Survey on Agentic Multimodal Large Language Models [84.18778056010629]
エージェントマルチモーダル大言語モデル(Agentic MLLMs)に関する総合的な調査を行う。
我々は,エージェントMLLMの新たなパラダイムを探求し,その概念的基盤を明確にし,従来のMLLMエージェントとの特徴を区別する。
コミュニティのためのこの分野の研究をさらに加速するため、エージェントMLLMを開発するためのオープンソースのトレーニングフレームワーク、トレーニングおよび評価データセットをコンパイルする。
論文 参考訳（メタデータ） (2025-10-13T04:07:01Z) - AI-driven formative assessment and adaptive learning in data-science education: Evaluating an LLM-powered virtual teaching assistant [6.874351093155318]
VITA(Virtual Teaching Assistants)は、大規模言語モデル(LLM)を搭載したボット(BotCaptain)を組み込んだ適応型分散学習プラットフォームである。
記事では、チャットログをExperience API(xAPI)ステートメントに変換するエンドツーエンドのデータパイプラインについて説明する。
今後の作業は、プラットフォームの適応的なインテリジェンスを洗練し、さまざまな教育環境に適用性を検討する。
論文 参考訳（メタデータ） (2025-09-17T11:27:45Z) - WIP: Enhancing Game-Based Learning with AI-Driven Peer Agents [6.742610157385567]
K-12 STEM教育におけるエンゲージメントと知識保持を高めるために設計されたゲーミフィケーション学習プラットフォーム。
初期の教室パイロットは、テスト前とテスト後、ゲーム内分析、学生や教師からの質的なフィードバックを組み合わせたマルチメソッドアセスメントフレームワークを利用した。
予備調査の結果,学生のエンゲージメントは有意に増加し,ほとんどの参加者はSTEMに対する関心が高かった。
論文 参考訳（メタデータ） (2025-08-02T03:11:13Z) - Enhancing Programming Pair Workshops: The Case of Teacher Pre-Prompting [0.0]
本稿では,教師主導の簡単な質問が,問題の解釈や分業を形作るのにいかに役立つかを検討する。
この結果から,構造化された議論の促進,課題要件の明確化,共有学習体験の機会の創出が示唆された。
論文 参考訳（メタデータ） (2025-06-25T10:22:43Z) - Evaluating Machine Expertise: How Graduate Students Develop Frameworks for Assessing GenAI Content [1.967444231154626]
本稿では,大学院生が大規模言語モデル(LLM)を用いたWebベースインタラクションにおいて,機械生成の専門知識を評価するためのフレームワークを開発する方法について検討する。
その結果, 学生は, 職業的アイデンティティ, 検証能力, システムナビゲーション経験の3つの要因により, 評価フレームワークを構築していることがわかった。
論文 参考訳（メタデータ） (2025-04-24T22:24:14Z) - A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。
本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
論文 参考訳（メタデータ） (2025-04-07T21:01:25Z) - Enhanced Classroom Dialogue Sequences Analysis with a Hybrid AI Agent: Merging Expert Rule-Base with Large Language Models [7.439914834067705]
本研究では,対話シーケンスの包括的ルールベースと人工知能(AI)エージェントを開発する。
このエージェントは、自然言語の複雑さに適応しながら専門家の知識を適用し、教室の対話シーケンスの正確かつ柔軟な分類を可能にする。
論文 参考訳（メタデータ） (2024-11-13T08:13:41Z) - SAIE Framework: Support Alone Isn't Enough -- Advancing LLM Training
with Adversarial Remarks [47.609417223514605]
この研究は、学習者とパートナーモデルの間の支援的および敵対的な議論を促進するSAIEフレームワークを紹介している。
実験により,SAIEフレームワークで微調整したモデルでは,従来の微調整手法で訓練したモデルよりも優れた性能を示した。
論文 参考訳（メタデータ） (2023-11-14T12:12:25Z) - UniDU: Towards A Unified Generative Dialogue Understanding Framework [62.8474841241855]
DUタスク間の情報交換を実現するために,統合された生成対話理解フレームワークであるUniDUについて検討する。
我々は,5つの基本課題にまたがる10の対話理解データセットの実験を行う。
提案したUniDUフレームワークは5つのタスクすべてにおいてタスク固有のよく設計されたメソッドよりも優れている。
論文 参考訳（メタデータ） (2022-04-10T09:32:34Z) - Structural Pre-training for Dialogue Comprehension [51.215629336320305]
本稿では,SPIDER, Structure Pre-trained DialoguE Readerについて述べる。
対話のような特徴をシミュレートするために,元のLM目的に加えて,2つの訓練目標を提案する。
広く使われている対話ベンチマークの実験結果から,新たに導入した自己教師型タスクの有効性が検証された。
論文 参考訳（メタデータ） (2021-05-23T15:16:54Z)
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。