論文の概要: Addressing Situated Teaching Needs: A Multi-Agent Framework for Automated Slide Adaptation

• arxiv url: http://arxiv.org/abs/2511.18840v1
• Date: Mon, 24 Nov 2025 07:22:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.078436
• Title: Addressing Situated Teaching Needs: A Multi-Agent Framework for Automated Slide Adaptation
• Title（参考訳）: 自動スライド適応のためのマルチエージェントフレームワーク
• Authors: Binglin Liu, Yucheng Wang, Zheyuan Zhang, Jiyuan Lu, Shen Yang, Daniel Zhang-Li, Huiqin Liu, Jifan Yu,
• Abstract要約: インストラクター仕様に基づくスライド適応の自動化を目的とした,新しいマルチエージェントフレームワークを提案する。 8つの実世界コースにまたがる16の修正要求による評価を行い,本手法の有効性を検証した。 この研究は、AIエージェントが教育設計の論理的負担を処理し、教育者を解放し、教育の創造的かつ戦略的側面に集中させるという、新たなパラダイムを提唱している。
• 参考スコア（独自算出の注目度）: 23.899556307948135
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The adaptation of teaching slides to instructors' situated teaching needs, including pedagogical styles and their students' context, is a critical yet time-consuming task for educators. Through a series of educator interviews, we first identify and systematically categorize the key friction points that impede this adaptation process. Grounded in these findings, we introduce a novel multi-agent framework designed to automate slide adaptation based on high-level instructor specifications. An evaluation involving 16 modification requests across 8 real-world courses validates our approach. The framework's output consistently achieved high scores in intent alignment, content coherence and factual accuracy, and performed on par with baseline methods regarding visual clarity, while also demonstrating appropriate timeliness and a high operational agreement with human experts, achieving an F1 score of 0.89. This work heralds a new paradigm where AI agents handle the logistical burdens of instructional design, liberating educators to focus on the creative and strategic aspects of teaching.
• Abstract（参考訳）: 教育者にとって、教育スタイルや生徒の文脈など、教員の配置された教育ニーズにスライドを適応させることは、重要でありながら時間を要する課題である。 一連の教育者インタビューを通じて、我々はまず、この適応プロセスを阻害する重要な摩擦点を同定し、体系的に分類する。 そこで本研究では,高レベルインストラクター仕様に基づくスライド適応の自動化を目的とした,新しいマルチエージェントフレームワークを提案する。 8つの実世界コースにまたがる16の修正要求による評価を行い,本手法の有効性を検証した。 このフレームワークの出力は、意図的アライメント、コンテンツコヒーレンス、事実的正確性において一貫して高いスコアを獲得し、視覚的明瞭度に関する基準的手法と同等に実行され、また適切なタイムラインと人間の専門家との高い運用上の合意を示し、F1スコアは0.89となった。 この研究は、AIエージェントが教育設計の論理的負担を処理し、教育者を解放し、教育の創造的かつ戦略的側面に集中させるという、新たなパラダイムを提唱している。

関連論文リスト

• Ratas framework: A comprehensive genai-based approach to rubric-based marking of real-world textual exams [3.4132239125074206]
  RATAS(Rubric Automated Tree-based Answer Scoring)は、テキスト応答のルーリックベースのグレーディングに最先端の生成AIモデルを活用する新しいフレームワークである。 RATASは、幅広いグレーディングルーリックをサポートし、主観的評価を可能にし、割り当てられたスコアに対して構造化された説明可能な論理を生成するように設計されている。
  論文  参考訳（メタデータ） (2025-05-27T22:17:27Z)
• Investigating Pedagogical Teacher and Student LLM Agents: Genetic Adaptation Meets Retrieval Augmented Generation Across Learning Style [16.985943868964394]
  効果的な教育には、学生の多様な認知的・行動的プロファイルに対応するために教育戦略を適用する必要がある。 本稿では,異種学生エージェントを自己最適化型教師エージェントと統合する新しいシミュレーションフレームワークを提案する。 本研究は,データ駆動環境下での人間教育者を訓練するためのテストベッドの提供を目的として,LLMによるシミュレーションの可能性を強調した。
  論文  参考訳（メタデータ） (2025-05-25T14:45:35Z)
• 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)
• Real-time classification of EEG signals using Machine Learning deployment [0.0]
  本研究では,ある話題に対する生徒の理解度を予測するための,機械学習に基づくアプローチを提案する。 システムパラメータの値にアクセスして、選択したトピックに対する生徒の集中度を決定するブラウザインターフェースが導入された。
  論文  参考訳（メタデータ） (2024-12-27T08:14:28Z)
• IntCoOp: Interpretability-Aware Vision-Language Prompt Tuning [94.52149969720712]
  IntCoOpは、プロンプトチューニング中に属性レベルの帰納バイアスとクラス埋め込みを共同で調整することを学ぶ。 IntCoOpは10種類のデータセットの平均パフォーマンスを7.35%改善した。
  論文  参考訳（メタデータ） (2024-06-19T16:37:31Z)
• Distantly-Supervised Named Entity Recognition with Adaptive Teacher Learning and Fine-grained Student Ensemble [56.705249154629264]
  NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。 本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。 微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
  論文  参考訳（メタデータ） (2022-12-13T12:14:09Z)
• 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)
• 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。