論文の概要: Sticky Help, Bounded Effects: Session-by-Session Analytics of Teacher Interventions in K-12 Classrooms
- arxiv url: http://arxiv.org/abs/2601.13520v1
- Date: Tue, 20 Jan 2026 02:15:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-21 22:47:23.120277
- Title: Sticky Help, Bounded Effects: Session-by-Session Analytics of Teacher Interventions in K-12 Classrooms
- Title（参考訳）: K-12教室における教師の介入に関するセッション・バイ・セッション分析
- Authors: Qiao Jin, Conrad Borchers, Ashish Gurung, Sean Jackson, Sameeksha Agarwal, Cancan Wang, YiChen Yu, Pragati Maheshwary, Vincent Aleven,
- Abstract要約: 本研究は,学生の先行支援履歴とその関与状態が教師の意思決定をどのように形成するかを考察する。
知的学習システムMATHiaにおいて,14のクラスにまたがる339人の生徒を対象に,14万の学生システムインタラクションを分析した。
ヘルプはセッション内の即時学習と一致したが、後のセッションではスキル獲得を予測できなかった。
- 参考スコア（独自算出の注目度）: 4.863262234062219
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Teachers' in-the-moment support is a limited resource in technology-supported classrooms, and teachers must decide whom to help and when during ongoing student work. However, less is known about how students' prior help history (whether they were helped earlier) and their engagement states (e.g., idle, struggle) shape teachers' decisions, and whether observed learning benefits associated with teacher help extend beyond the current class session. To address these questions, we first conducted interviews with nine K-12 mathematics teachers to identify candidate decision factors for teacher help. We then analyzed 1.4 million student-system interactions from 339 students across 14 classes in the MATHia intelligent tutoring system by linking teacher-logged help events with fine-grained engagement states. Mixed-effects models show that students who received help earlier were more likely to receive additional help later, even after accounting for current engagement state. Cross-lagged panel analyses further show that teacher help recurred across sessions, whereas idle behavior did not receive sustained attention over time. Finally, help coincided with immediate learning within sessions, but did not predict skill acquisition in later sessions, as estimated by additive factor modeling. These findings suggest that teacher help is "sticky" in that it recurs for previously supported students, while its measurable learning benefits in our data are largely session-bound. We discuss implications for designing real-time analytics that track attention coverage and highlight under-visited students to support a more equitable and effective allocation of teacher attention.
- Abstract（参考訳）: 教員のイン・ザ・モーメント・サポートは技術支援の教室では限られた資源であり、教師はどの教師を助けるか、学生の仕事中はいつ助けるかを決めなければならない。
しかし、学生の以前のヘルプ履歴(それ以前に助けられたかどうか)と、その関与状態(例えば、アイドル、闘争)が教師の判断を形作っているか、そして、教師に関連する学習の利点が現在の授業セッションを超えて拡大しているかどうかについては、あまり分かっていない。
これらの問題に対処するために、まず9人のK-12数学教師にインタビューを行い、教師支援の候補決定要因を特定した。
そこで我々は,MATHia知能授業システムにおける339人の学生と生徒のインタラクションを,教師が記録したヘルプイベントと詳細なエンゲージメント状態とを関連付けることで,14の授業から140万の学生・システムインタラクションを分析した。
混合効果モデルでは、以前の支援を受けた学生は、現在のエンゲージメント状態を考慮しても、後から追加の援助を受ける傾向が見られた。
クロスラグパネル分析では, 授業中に教師の助けが繰り返される一方で, アイドル行動には時間とともに注意が払われなかった。
最後に、ヘルプはセッション内の即時学習と一致するが、追加要因モデリングによって推定されるように、後続のセッションでスキル獲得を予測することはなかった。
これらの結果から,教師の指導力は,従来支援されていた生徒に再帰的であり,データにおける測定可能な学習効果はセッションバウンドであることが示唆された。
本稿では,教師の注意力の均等かつ効果的な配分を支援するために,注目度を追及するリアルタイム分析を設計する上での意義について論じる。
関連論文リスト
- Brief but Impactful: How Human Tutoring Interactions Shape Engagement in Online Learning [1.3597553728687461]
本研究では,191人の中学生の教室数学実習の2,075時間から抽出したZoom上での簡単な人間と教師の相互作用について検討した。
混合効果モデルでは、人間-教師の訪問中に、1分間にソリューションステップの成功として測定されたエンゲージメントがより高いことが示される。
教師と学生の対話が最もエンゲージメントを高めているかを特定する分析を作成する。
論文 参考訳（メタデータ） (2026-01-15T02:09:53Z) - Student-Informed Teacher Training [19.895253502371588]
特権教師による模倣学習は,画像などの高次元入力から複雑な制御行動を学ぶのに有効であることが証明されている。
この枠組みでは、教師は特権的なタスク情報で訓練され、生徒はより限られた観察で教師の行動を予測しようとする。
本研究では,教師と生徒の政策を共同で学習する枠組みを提案し,学生が模倣できる行動を学ぶことを指導する。
論文 参考訳（メタデータ） (2024-12-12T10:34:26Z) - Can Language Models Teach Weaker Agents? Teacher Explanations Improve
Students via Personalization [84.86241161706911]
教師のLLMは、実際に生徒の推論に介入し、パフォーマンスを向上させることができることを示す。
また,マルチターンインタラクションでは,教師による説明が一般化され,説明データから学習されることを示す。
教師のミスアライメントが学生の成績をランダムな確率に低下させることを、意図的に誤解させることで検証する。
論文 参考訳（メタデータ） (2023-06-15T17:27:20Z) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - Distance Teaching Experience of Campus-based Teachers at Times of
Pandemic Confinement [0.7056222499095848]
キャンパスベースのプログラムとコースはタイムリーに再設計されている。
学生の参加と積極的参加が問題となる。
本研究は,新しい学習環境における教師の体験とともに,これらの効果を分析したものである。
論文 参考訳（メタデータ） (2022-11-29T15:09:52Z) - Computationally Identifying Funneling and Focusing Questions in
Classroom Discourse [24.279653100481863]
本稿では,授業談話におけるファネリングと集中型質問を計算的に検出するタスクを提案する。
ファネリングと集中型質問にラベル付けされた2,348の教師発話の注釈付きデータセットをリリースする。
我々の最高のモデルである教師付きRoBERTaモデルは、データセットに微調整され、人間の専門家ラベルと.76の強い線形相関と、ポジティブな教育結果を持つ。
論文 参考訳（メタデータ） (2022-07-08T01:28:29Z) - Iterative Teacher-Aware Learning [136.05341445369265]
人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。
本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
論文 参考訳（メタデータ） (2021-10-01T00:27:47Z) - The Wits Intelligent Teaching System: Detecting Student Engagement
During Lectures Using Convolutional Neural Networks [0.30458514384586394]
Wits Intelligent Teaching System (WITS) は、学生の感情に関するリアルタイムフィードバックを講師に支援することを目的としている。
AlexNetベースのCNNはトレーニングが成功し、Support Vector Machineアプローチを大きく上回っている。
論文 参考訳（メタデータ） (2021-05-28T12:59:37Z) - The Challenges of Assessing and Evaluating the Students at Distance [77.34726150561087]
新型コロナウイルス(COVID-19)の感染拡大が高等教育機関に強い影響を及ぼし、教室の授業は中止された。
本論文は、ポルトガルの高等教育機関がもたらす課題を探求し、評価モデルにもたらす課題を分析することを目的としている。
論文 参考訳（メタデータ） (2021-01-30T13:13:45Z) - 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。