論文の概要: Should There be a Teacher In-the-Loop? A Study of Generative AI Personalized Tasks Middle School
- arxiv url: http://arxiv.org/abs/2602.15876v1
- Date: Mon, 02 Feb 2026 19:36:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-23 12:01:13.683175
- Title: Should There be a Teacher In-the-Loop? A Study of Generative AI Personalized Tasks Middle School
- Title（参考訳）: 授業中に教師がいるべきか? 中学校における生成AIのパーソナライズ・タスクに関する研究
- Authors: Candace Walkington, Mingyu Feng, Itffini Pruitt-Britton, Theodora Beauchamp, Andrew Lan,
- Abstract要約: 生成型AIモデルは、学生の興味に対応するタスクを作成し、コンテキストのパーソナライゼーションを実行し、学生が学術的コンテンツを学ぶことへの関心を高める。
中学校数学教師7人を対象にChatGPTを用いて学習を行い,カリキュラムの課題を個別化したバージョンを作成し,学生の関心に応えた。
その結果,教師のループ化によって,比較的広い粒度でAIによる個人化が実現されることが判明した。
- 参考スコア（独自算出の注目度）: 0.34891835983047076
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Adapting instruction to the fine-grained needs of individual students is a powerful application of recent advances in large language models. These generative AI models can create tasks that correspond to students' interests and enact context personalization, enhancing students' interest in learning academic content. However, when there is a teacher in-the-loop creating or modifying tasks with generative AI, it is unclear how efficient this process might be, despite commercial generative AI tools' claims that they will save teachers time. In the present study, we teamed 7 middle school mathematics teachers with ChatGPT to create personalized versions of problems in their curriculum, to correspond to their students' interests. We look at the prompting moves teachers made, their efficiency when creating problems, and the reactions of their 521 7th grade students who received the personalized assignments. We find that having a teacher-in-the-loop results in generative AI-enhanced personalization being enacted at a relatively broad grain size, whereas students tend to prefer a smaller grain size where they receive specific popular culture references that interest them. Teachers spent a lot of effort adjusting popular culture references and addressing issues with the depth or realism of the problems generated, giving higher or lower levels of ownership to the generative AI. Teachers were able to improve in their ability to craft interesting problems in partnership with generative AI, but this process did not appear to become particularly time efficient as teachers learned and reflected on their students' data, iterating their approaches.
- Abstract（参考訳）: 個々の学生の細粒度のニーズに適応させることは、大規模言語モデルにおける最近の進歩の強力な応用である。
これらの生成AIモデルは、学生の興味に対応するタスクを作成し、文脈のパーソナライゼーションを実行し、学生が学術的コンテンツを学ぶことへの関心を高める。
しかし、生成AIでタスクを作成したり修正したりする教師がいる場合、商用生成AIツールが教師の時間を節約するという主張にもかかわらず、このプロセスがどれほど効率的かは明らかではない。
本研究では,中学生の数学教師7人とChatGPTを連携させて,カリキュラムの課題のパーソナライズ版を作成し,学生の関心に応えた。
課題作成時の教師の行動,課題作成時の効率,パーソナライズされた課題を受講した7年生521人の反応について検討した。
授業中に教師を持つことで、比較的広い粒度でAIを強化したパーソナライゼーションが実現されるのに対し、学生は興味のある特定のポピュラーなカルチャー参照を受けるため、より小さな粒度を好む傾向にある。
教師は、一般的な文化の参照を調整したり、発生した問題の深さやリアリズムで問題に対処したりするのに多くの時間を費やした。
教師は、生成的AIと連携して興味深い問題を創り出す能力を向上させることができたが、このプロセスは、教師が生徒のデータを学習し、反映し、そのアプローチを反復するにつれて、特に時間がかかりそうになかった。
関連論文リスト
- Masking Teacher and Reinforcing Student for Distilling Vision-Language Models [50.619420197124356]
大規模視覚言語モデル(VLM)は近年,目覚ましいマルチモーダル理解を実現している。
これにより、強力な大規模教師から効率的に学習できるコンパクトで有能なVLMの必要性が高まる。
マスク・プログレッシブ・強化学習の枠組みであるマスターズ(マスク教師と強化学生)を提案する。
論文 参考訳（メタデータ） (2025-12-23T14:40:38Z) - INSIGHT: Bridging the Student-Teacher Gap in Times of Large Language Models [0.7499722271664147]
INSIGHTは、さまざまなAIツールを組み合わせて、エクササイズを解決する過程において、スタッフと学生を教えることを支援する概念実証である。
我々は,学生の質問からFAQを動的に構築するキーワードを抽出することで,学生の質問をLLMに解析する。
論文 参考訳（メタデータ） (2025-04-24T15:47:20Z) - Who is Helping Whom? Student Concerns about AI- Teacher Collaboration in Higher Education Classrooms [8.888004194396643]
本稿では,授業におけるAIの意義を,教室の協調的ダイナミクスの観点から理解することを目的としている。
我々は65人の参加者の物語を分析し、教育コンテキストのAI非コンテクスト化、バイアスの懸念に対するAI-Teacherの協力、パワー格差の3つの課題を強調した。
効果的な倫理的AI実践型協調教育には、将来のAIEd設計は実装の在り方に影響を及ぼす必要があると論じる。
論文 参考訳（メタデータ） (2024-12-19T02:35:01Z) - YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - Understanding Teacher Perspectives and Experiences after Deployment of
AI Literacy Curriculum in Middle-school Classrooms [12.35885897302579]
我々は,MIT RAICAカリキュラムのモジュール実装にともなう7人の教師の経験を考察した。
我々の分析は、AIモジュールが、この分野における教師の知識を拡大したことを示唆している。
私たちの教師は、技術資源をナビゲートする際に、より良い外部支援の必要性を主張しました。
論文 参考訳（メタデータ） (2023-12-08T05:36:16Z) - 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) - The AI Revolution in Education: Will AI Replace or Assist Teachers in
Higher Education? [0.0]
この研究は、AI技術に直面する教育者の役割について、包括的な視点を提供する。
参加者は、人間の教師は批判的思考、創造性、感情など固有の性質を持っていると論じている。
この研究は、教師がAIを効果的に統合し、代用として見なすことなく、教育と学習を強化することを提案している。
論文 参考訳（メタデータ） (2023-05-02T03:39:34Z) - 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) - Creation and Evaluation of a Pre-tertiary Artificial Intelligence (AI)
Curriculum [58.86139968005518]
香港大学(CUHK)-Jockey Club AI for the Future Project(AI4Future)は、第3次教育のためのAIカリキュラムを共同開発した。
工学と教育を専門とする14人の教授が、6つの中学校の17の校長と教師と協力してカリキュラムを共同作成した。
共同創造プロセスは、AIにおける教師の知識を高める様々なリソースを生み出し、その課題を教室に持ち込むための教師の自主性を育んだ。
論文 参考訳（メタデータ） (2021-01-19T11:26:19Z) - 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。