論文の概要: Generative Teaching via Code

• arxiv url: http://arxiv.org/abs/2601.04204v1
• Date: Sun, 07 Dec 2025 12:52:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-11 18:48:17.604787
• Title: Generative Teaching via Code
• Title（参考訳）: コードによる生成教育
• Authors: Yuheng Wang, Runde Yang, Lin Wu, Jie Zhang, Jingru Fan, Ruoyu Fu, Tianle Zhou, Huatao Li, Siheng Chen, Weinan E, Chen Qian,
• Abstract要約: TeachMasterは、解釈可能、編集可能、カリキュラム対応の教育ビデオの制作を自動化するための、計画、設計、レンダリングの協力的なチームである。 TeachMasterは構造的コヒーレンスや視覚的忠実さを損なうことなく生産効率を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 43.45801837806965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The scalability of high-quality online education is hindered by the high costs and slow cycles of labor-intensive manual content creation. Despite advancements in video generation, current approaches often fail to ensure pedagogical structure and precise control due to their pixel-level, black-box nature. In this paper, we propose Generative Teaching, a novel paradigm that transitions educators from manual creators to high-level directors, allowing them to focus on pedagogical intent while autonomous agents handle the execution. To realize this vision, we introduce TeachMaster, a multi-agent framework that leverages code as an intermediate semantic medium. Unlike traditional video generation methods, TeachMaster orchestrates a collaborative team of agents--spanning planning, design, and rendering--to automate the production of interpretable, editable, and curriculum-ready educational videos. Experiments validate that TeachMaster significantly boosts production efficiency without compromising structural coherence or visual fidelity, providing a robust solution for scalable education.
• Abstract（参考訳）: 高品質なオンライン教育のスケーラビリティは、労働集約型マニュアルコンテンツ作成の高コストと低サイクルによって妨げられている。 ビデオ生成の進歩にもかかわらず、現在のアプローチはしばしば、ピクセルレベルのブラックボックスの性質のため、教育的構造と正確な制御を保証するのに失敗する。 本稿では,教育者を手動のクリエータからハイレベルなディレクターに移行させ,自律的なエージェントが実行を処理しながら教育的意図に焦点をあてる新しいパラダイムであるジェネラティブ・インストラクションを提案する。 このビジョンを実現するために、中間的なセマンティックメディアとしてコードを活用するマルチエージェントフレームワークであるTeachMasterを紹介した。 従来のビデオ生成方法とは異なり、TeachMasterは、解釈可能、編集可能、カリキュラム対応の教育ビデオの制作を自動化するために、計画、設計、レンダリングといったエージェントの協力的なチームを編成する。 実験では、TeachMasterは構造的コヒーレンスや視覚的忠実さを損なうことなく生産効率を大幅に向上させ、スケーラブルな教育のための堅牢なソリューションを提供する。

関連論文リスト

• Bridging Your Imagination with Audio-Video Generation via a Unified Director [54.45375287950375]
  論理的推論と想像的思考はどちらも映画監督の基本的特性であると主張する。 ユーザプロンプトを適切に構造化されたスクリプトでブリッジする統合ディレクタモデルUniMAGEを提案する。
  論文  参考訳（メタデータ） (2025-12-29T05:56:22Z)
• Addressing Situated Teaching Needs: A Multi-Agent Framework for Automated Slide Adaptation [23.899556307948135]
  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。
  論文  参考訳（メタデータ） (2025-11-24T07:22:41Z)
• Code2Video: A Code-centric Paradigm for Educational Video Generation [60.03043132859077]
  我々は,Pythonコードによる教育ビデオを生成するための,コード中心のエージェントフレームワークであるCode2Videoを提案する。 i)講義内容を時間的コヒーレントなフローに構造化するPlanner,(ii)構造化命令を実行可能なPythonコードに変換するCoder,そして(iii)視覚言語モデル(VLM)を視覚的アンカープロンプトで活用し,空間的レイアウトを洗練し,明確性を確保するCryticという3つの協調エージェントから構成される。 我々の結果は、Code2Videoが拡張性があり、解釈可能で、制御可能なアプローチである可能性を示し、直接コードよりも40%改善されている。
  論文  参考訳（メタデータ） (2025-10-01T17:56:48Z)
• Instructional Agents: LLM Agents on Automated Course Material Generation for Teaching Faculties [3.045939700894802]
  Instructional Agentsは、エンド・ツー・エンドの教材生成を自動化するためのフレームワークである。 このフレームワークは、教育エージェント間のロールベースのコラボレーションをシミュレートし、結束的で教育的に整合したコンテンツを生成する。 高品質な教育材料を生産し、開発時間と人的負荷を大幅に削減する。
  論文  参考訳（メタデータ） (2025-08-27T06:45:06Z)
• Enabling Multi-Agent Systems as Learning Designers: Applying Learning Sciences to AI Instructional Design [6.080614844688028]
  本研究は,教育的専門知識を利用者のプロンプトからLLMの内部アーキテクチャへシフトさせる。 二次数学と理科の学習活動を生成するための3つのシステムを検証した。
  論文  参考訳（メタデータ） (2025-08-20T14:44:00Z)
• Janus-Pro-R1: Advancing Collaborative Visual Comprehension and Generation via Reinforcement Learning [92.57052246970254]
  視覚的理解と生成の協調的共進化を可能にすることを提案する。 教師付き微調整は、真のCoTを生成する基礎的な能力を持つMLLMを指導する。 画像生成におけるAhaモーメントを解き、テキスト・ツー・イメージタスクから統合画像生成へMLLMを前進させる。
  論文  参考訳（メタデータ） (2025-06-02T09:39:28Z)
• ARCHED: A Human-Centered Framework for Transparent, Responsible, and Collaborative AI-Assisted Instructional Design [10.99360129432492]
  ARCHEDは、AI能力を活用しながら、人間の教育者が設計プロセスの中心に留まることを保証するフレームワークである。 このフレームワークは専門的なAIエージェントを統合しており、ひとつは多様な教育的選択肢を生成し、もうひとつは学習目標との整合性を評価する。 実証的な評価によると、ARCHEDは教育者の監督を保ちながら、教育におけるAI統合の責任を負うための一歩として、教育設計の質を高める。
  論文  参考訳（メタデータ） (2025-03-11T22:19:46Z)
• 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)

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。