論文の概要: Understanding Student Interaction with AI-Powered Next-Step Hints: Strategies and Challenges

• arxiv url: http://arxiv.org/abs/2511.06362v1
• Date: Sun, 09 Nov 2025 12:56:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.90442
• Title: Understanding Student Interaction with AI-Powered Next-Step Hints: Strategies and Challenges
• Title（参考訳）: AIを活用した次のステップのヒントによる学生のインタラクションの理解:戦略と課題
• Authors: Anastasiia Birillo, Aleksei Rostovskii, Yaroslav Golubev, Hieke Keuning,
• Abstract要約: 次のステップのヒントフィードバックは、プログラミングタスクの解決に向けて、学生に実行可能なステップを提供する。 本研究では,学生がIDE内学習環境において,AIによる次のステップヒントシステムとどのように相互作用するかを検討する。
• 参考スコア（独自算出の注目度）: 1.446446435461625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated feedback generation plays a crucial role in enhancing personalized learning experiences in computer science education. Among different types of feedback, next-step hint feedback is particularly important, as it provides students with actionable steps to progress towards solving programming tasks. This study investigates how students interact with an AI-driven next-step hint system in an in-IDE learning environment. We gathered and analyzed a dataset from 34 students solving Kotlin tasks, containing detailed hint interaction logs. We applied process mining techniques and identified 16 common interaction scenarios. Semi-structured interviews with 6 students revealed strategies for managing unhelpful hints, such as adapting partial hints or modifying code to generate variations of the same hint. These findings, combined with our publicly available dataset, offer valuable opportunities for future research and provide key insights into student behavior, helping improve hint design for enhanced learning support.
• Abstract（参考訳）: 自動フィードバック生成は、コンピュータサイエンス教育におけるパーソナライズされた学習体験の促進に重要な役割を果たしている。 様々なタイプのフィードバックの中で、次のステップのヒントフィードバックは特に重要である。 本研究では,学生がIDE内学習環境において,AIによる次のステップヒントシステムとどのように相互作用するかを検討する。 我々は、詳細なヒントインタラクションログを含む、Kotlinタスクを解決する34人の学生のデータセットを収集し、分析した。 プロセスマイニング手法を適用し、16の共通相互作用シナリオを特定した。 6名の学生を対象に半構造化インタビューを行ったところ,部分的ヒントの適応やコードの変更など,無害なヒントを管理するための戦略が明らかにされた。 これらの発見は、我々の公開データセットと組み合わせて、将来の研究に貴重な機会を提供し、学生の行動に関する重要な洞察を提供し、学習支援強化のためのヒントデザインの改善に役立つ。

関連論文リスト

• Scaffolding Metacognition in Programming Education: Understanding Student-AI Interactions and Design Implications [10.81558535566768]
  ChatGPTのような生成AIツールは、初心者プログラマに、インスタントでパーソナライズされたサポートへの前例のないアクセスを提供する。 これは明確な約束であるが、学生のメタ認知過程に対する影響は未解明のままである。 本研究では,大学レベルのプログラミングコースにおけるメタ認知レンズを用いて,学生とAIの相互作用を分析することでギャップを解消する。
  論文  参考訳（メタデータ） (2025-11-06T07:42:24Z)
• Designing and Evaluating Hint Generation Systems for Science Education [21.96985881818661]
  本研究では,学習内容への積極的関与を促進するための教育戦略としてのヒント自動生成の役割について検討する。 静的なヒント,各問題に対する事前生成,学習者の進行に適応した動的ヒントの2つの異なるヒント戦略を比較した。
  論文  参考訳（メタデータ） (2025-10-24T02:00:16Z)
• Evaluating the Effectiveness of Large Language Models in Solving Simple Programming Tasks: A User-Centered Study [1.0467092641687232]
  本研究では,ChatGPT-4oとのインタラクションスタイルの違いが,単純なプログラミングタスクにおけるユーザパフォーマンスに与える影響について検討する。 15人の高校生が3種類のモデルで3つの問題を完成させた。
  論文  参考訳（メタデータ） (2025-07-05T13:52:31Z)
• An Empirical Study of Federated Prompt Learning for Vision Language Model [89.2963764404892]
  本稿では,言語プロンプト学習(VPT)と視覚プロンプト学習(VLM)の行動的差異を系統的に検討する。 我々は、FPL(Federated Prompt Learning)の堅牢性を評価するために、クライアントスケール、集約戦略、即時長といった様々なFLと迅速な構成の影響を評価する。
  論文  参考訳（メタデータ） (2025-05-29T03:09:15Z)
• Training a Generally Curious Agent [77.61142660542599]
  Paprikaは、言語モデルが一般的な意思決定機能を開発することを可能にする微調整のアプローチである。 Paprika氏は、より勾配の更新をすることなく、コンテキスト内の環境フィードバックに基づいて、新しいタスクで彼らの振る舞いを探索し、適応するようにモデルに教えている。 結果は、シーケンシャルな意思決定問題を自律的に解決できるAIシステムへの有望な道のりを示唆している。
  論文  参考訳（メタデータ） (2025-02-24T18:56:58Z)
• ChatGPT in Data Visualization Education: A Student Perspective [19.58123915686711]
  本研究では,これらの技術が学際的,プロジェクト指向のデータ可視化コースにおける学生の学習に与える影響について検討する。 学生は4つの異なるプロジェクトにわたってChatGPTに従事し、Tableau、D3、Vega-liteといったさまざまなツールを使ってデータの視覚化を設計および実装した。 分析では,ChatGPTの活用のメリットと障壁,学生の質問行動,支援のタイプ,課題の成果とエンゲージメントに与える影響について検討した。
  論文  参考訳（メタデータ） (2024-05-01T02:40:20Z)
• Generating Situated Reflection Triggers about Alternative Solution Paths: A Case Study of Generative AI for Computer-Supported Collaborative Learning [3.2721068185888127]
  本稿では,学生に動的かつ文脈的フィードバックを提供する概念実証アプリケーションを提案する。 具体的には、ChatGPTを使って、大学レベルのクラウドコンピューティングコースのためのオンラインプログラミング演習ボットを拡張します。 LLMは、コンテキスト内で発生する協調的な議論の詳細を組み込んだ、高度に位置決めされたリフレクショントリガを生成するために使用できることを実証する。
  論文  参考訳（メタデータ） (2024-04-28T17:56:14Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)

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。