論文の概要: Evaluation of LLM-based Explanations for a Learning Analytics Dashboard

• arxiv url: http://arxiv.org/abs/2511.11671v1
• Date: Tue, 11 Nov 2025 19:36:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:22.889726
• Title: Evaluation of LLM-based Explanations for a Learning Analytics Dashboard
• Title（参考訳）: 学習分析ダッシュボードにおけるLCMに基づく説明の評価
• Authors: Alina Deriyeva, Benjamin Paassen,
• Abstract要約: 学習分析ダッシュボードは、デジタル学習環境における自己規制学習をサポートする強力なツールである。 しかし、それらの効果は、提供したデータの解釈可能性に影響される可能性がある。 大規模な言語モデルを用いて、ダッシュボード内のデータの言語的説明を生成し、スタンドアロンのダッシュボードと人間の教師が提供する説明に対して評価する。
• 参考スコア（独自算出の注目度）: 1.4794198430835097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning Analytics Dashboards can be a powerful tool to support self-regulated learning in Digital Learning Environments and promote development of meta-cognitive skills, such as reflection. However, their effectiveness can be affected by the interpretability of the data they provide. To assist in the interpretation, we employ a large language model to generate verbal explanations of the data in the dashboard and evaluate it against a standalone dashboard and explanations provided by human teachers in an expert study with university level educators (N=12). We find that the LLM-based explanations of the skill state presented in the dashboard, as well as general recommendations on how to proceed with learning within the course are significantly more favored compared to the other conditions. This indicates that using LLMs for interpretation purposes can enhance the learning experience for learners while maintaining the pedagogical standards approved by teachers.
• Abstract（参考訳）: 学習分析ダッシュボードは、デジタル学習環境における自己制御学習をサポートし、リフレクションのようなメタ認知スキルの開発を促進する強力なツールである。 しかし、それらの効果は、提供したデータの解釈可能性に影響される可能性がある。 この解釈を支援するために,我々は,大規模言語モデルを用いて,ダッシュボード内のデータの言語的説明を生成し,それをスタンドアロンのダッシュボードと,大学レベルの教育者(N=12)との専門的な研究における人間教師による説明とで評価する。 ダッシュボードに提示されたスキル状態のLCMに基づく説明や、コース内での学習の進め方に関する一般的な勧告は、他の条件に比べてはるかに好意的であることが判明した。 このことは,LLMを解釈目的に活用することで,教師が承認した教育基準を維持しつつ,学習者の学習体験を向上させることができることを示している。

関連論文リスト

• Designing Gaze Analytics for ELA Instruction: A User-Centered Dashboard with Conversational AI Support [3.741199946315248]
  視線追跡は、学生の認知とエンゲージメントに関する豊富な洞察を提供する。 しかし、教室向け教育技術では使われていない。 本稿では、英語芸術のための視線に基づく学習分析ダッシュボードの反復設計と評価について述べる。
  論文  参考訳（メタデータ） (2025-09-03T22:01:14Z)
• A Practical Guide for Supporting Formative Assessment and Feedback Using Generative AI [0.0]
  大規模言語モデル(LLM)は、学生、教師、同僚が「学習者が行く場所」、「学習者が現在いる場所」、「学習者を前進させる方法」を理解するのに役立つ。 本総説では,LSMを形式的評価に統合するための総合的な基盤を提供する。
  論文  参考訳（メタデータ） (2025-05-29T12:52:43Z)
• MoRE-LLM: Mixture of Rule Experts Guided by a Large Language Model [54.14155564592936]
  大規模言語モデル(MoRE-LLM)によるルールエキスパートの混合を提案する。 MoRE-LLMは、トレーニング中の局所的なルールベースのサロゲートの発見と、それらの分類タスクの利用を操縦する。 LLMはルールを修正・コンテキスト化することで、ルールのドメイン知識の整合性を高める役割を担います。
  論文  参考訳（メタデータ） (2025-03-26T11:09:21Z)
• LLMs as Educational Analysts: Transforming Multimodal Data Traces into Actionable Reading Assessment Reports [6.523137821124204]
  本研究では,多モーダルデータを用いた意味的読解の導出について検討する。 我々は、異なる読取行動パターンを識別するために教師なし学習技術を用いる。 大規模言語モデル(LLM)は、派生した情報を教育者のための実行可能なレポートに合成する。
  論文  参考訳（メタデータ） (2025-03-03T22:34:08Z)
• Find the Intention of Instruction: Comprehensive Evaluation of Instruction Understanding for Large Language Models [8.020688053947547]
  LLM(Large Language Models)の重要な強みの1つは、与えられた指示に対する適切な応答を生成することによって、人間と対話する能力である。 この能力は命令追従能力として知られ、様々な分野におけるLSMの使用の基礎を確立している。 我々は、LLMが命令形式文によって容易に気を散らすことができ、それによって命令理解スキルの監視に繋がる可能性があることを指摘した。
  論文  参考訳（メタデータ） (2024-12-27T04:37:39Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• Democratizing Reasoning Ability: Tailored Learning from Large Language Model [97.4921006089966]
  そこで我々は,そのような推論能力をより小さなLMに蒸留する,適切な学習手法を提案する。 対話型多ラウンド学習パラダイムを構築することにより,理科教員としてのLLMの可能性を活用する。 より小さなLMの推論可能性を活用するために,学生が自作ミスから学習する動機付けを目的とした自己回帰学習を提案する。
  論文  参考訳（メタデータ） (2023-10-20T07:50:10Z)
• From Language Modeling to Instruction Following: Understanding the Behavior Shift in LLMs after Instruction Tuning [63.63840740526497]
  そこで本研究では,本質的な変化に着目した事前学習モデルの調整方法について検討する。 次に、事前訓練されたモデルと命令調整されたモデルから導かれた説明を比較することで、命令チューニングの影響について研究する。 この結果から,指導指導の3つの重要な影響が明らかになった。
  論文  参考訳（メタデータ） (2023-09-30T21:16:05Z)

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。