論文の概要: AI-Mediated Feedback Improves Student Revisions: A Randomized Trial with FeedbackWriter in a Large Undergraduate Course
- arxiv url: http://arxiv.org/abs/2602.16820v1
- Date: Wed, 18 Feb 2026 19:33:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-20 15:21:28.311355
- Title: AI-Mediated Feedback Improves Student Revisions: A Randomized Trial with FeedbackWriter in a Large Undergraduate Course
- Title（参考訳）: 学生のリビジョンを改善するAI-Mediated Feedback - 大規模大学院におけるフィードバックライターによるランダム化の試み
- Authors: Xinyi Lu, Kexin Phyllis Ju, Mitchell Dudley, Larissa Sano, Xu Wang,
- Abstract要約: 我々は,学生の知識集約エッセイに対するフィードバックを提供しながら,アシスタント(TA)にAI提案を生成するシステムであるFeedbackWriterを紹介し,展開する。
学生はランダムにTAから手書きのフィードバックを受けるか、AIによるフィードバックを受けるように割り当てられ、TAはFeedbackWriterから提案を受け取る。
その結果、AIによるフィードバックを受けた学生は、より高品質なリビジョンを実現し、TAがより多くのAI提案を採用するにつれて、向上することがわかった。
- 参考スコア（独自算出の注目度）: 5.829384802817518
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite growing interest in using LLMs to generate feedback on students' writing, little is known about how students respond to AI-mediated versus human-provided feedback. We address this gap through a randomized controlled trial in a large introductory economics course (N=354), where we introduce and deploy FeedbackWriter - a system that generates AI suggestions to teaching assistants (TAs) while they provide feedback on students' knowledge-intensive essays. TAs have the full capacity to adopt, edit, or dismiss the suggestions. Students were randomly assigned to receive either handwritten feedback from TAs (baseline) or AI-mediated feedback where TAs received suggestions from FeedbackWriter. Students revise their drafts based on the feedback, which is further graded. In total, 1,366 essays were graded using the system. We found that students receiving AI-mediated feedback produced significantly higher-quality revisions, with gains increasing as TAs adopted more AI suggestions. TAs found the AI suggestions useful for spotting gaps and clarifying rubrics.
- Abstract（参考訳）: 学生の執筆に対するフィードバックを生み出すためにLLMを使うことに関心が高まりつつあるが、AIによるフィードバックと人間によるフィードバックの反応についてはほとんど分かっていない。
このギャップは、大規模な導入経済コース(N=354)においてランダムに制御された試行を通じて解決され、学生の知識集約エッセイにフィードバックを提供しながら、アシスタント(TA)にAI提案を生成するシステムであるFeedbackWriterを導入、展開する。
TAには、提案を採用、編集、削除する能力がある。
学生はランダムにTA(ベースライン)から手書きのフィードバックを受けるか、あるいはAIによるフィードバックを受けるように割り当てられ、TAはFeedbackWriterから提案を受ける。
学生はフィードバックに基づいてドラフトを改訂し、さらに格付けする。
合計で1,366点のエッセイが評価された。
その結果、AIによるフィードバックを受けた学生は、より高品質なリビジョンを実現し、TAがより多くのAI提案を採用するにつれて、向上することがわかった。
TAは、AI提案がギャップの発見とルーリックの明確化に有用であることを発見した。
関連論文リスト
- Exposía: Academic Writing Assessment of Exposés and Peer Feedback [56.428320613219306]
高等教育における文章とフィードバックアセスメントを結びつける最初の公開データセットであるExposaを提示する。
我々はExposaを使って,(1)提案の自動スコアリング,(2)学生レビューの2つのタスクに対して,最先端のオープンソース大言語モデル(LLM)をベンチマークする。
論文 参考訳（メタデータ） (2026-01-10T11:33:26Z) - Humanizing Automated Programming Feedback: Fine-Tuning Generative Models with Student-Written Feedback [21.114005575615586]
我々は、人間が書いたものに近いフィードバックを生成するための言語モデルを微調整する手段として、学習者ソーシングを探求する。
学生による複数のプログラミング問題やバグジープログラムに対するフィードバックを約1,900件収集した。
この結果から,学習データに基づく微調整モデルでは,学生のフィードバックスタイルに適合するフィードバックが生成されるだけでなく,迅速なエンジニアリングによるフィードバックよりも精度が向上することが示唆された。
論文 参考訳（メタデータ） (2025-09-12T19:23:05Z) - Exploring LLM-Generated Feedback for Economics Essays: How Teaching Assistants Evaluate and Envision Its Use [3.345149032274467]
本研究は,AIによるフィードバックを人的インストラクターのフィードバック提供の迅速化と向上のための提案として活用する可能性を検討する。
学生のエッセイからフィードバックを得られるフィードバックエンジンを開発した。
我々は、20回の1時間のセッションで5つのTAでシンクアラウド研究を行い、AIのフィードバックを評価し、手書きのフィードバックとAIのフィードバックを対比させ、もし提案された場合、AIのフィードバックを使ってどのように想定するかを共有した。
論文 参考訳（メタデータ） (2025-05-21T14:50:30Z) - Can Automated Feedback Turn Students into Happy Prologians? [0.9087641068861047]
学生はすべてのフィードバックタイプが役に立ち、自動テストが最も役に立ちます。
バグタイプとそれに対応する修正をラベル付けした200のアノテートプログラムとともに、7201の正確で不正なPrologサブミッションからなるデータセットを紹介した。
論文 参考訳（メタデータ） (2025-04-23T14:11:54Z) - Evaluating Trust in AI, Human, and Co-produced Feedback Among Undergraduate Students [2.935250567679577]
本研究は,大学生の大規模言語モデル(LLM)に対する信頼度,人間とAIが共生したフィードバックを,真正なHEの文脈で比較した。
調査の結果、学生はAIを好んでおり、人間のフィードバックよりも有用性と客観性に対するフィードバックを共同生成していることがわかった。
教育AI体験は、LLM生成フィードバックを識別する能力を改善し、あらゆる種類のフィードバックに対する信頼を高めた。
論文 参考訳（メタデータ） (2025-04-15T08:06:36Z) - Understanding and Supporting Peer Review Using AI-reframed Positive Summary [18.686807993563168]
本研究は,筆記作業のピアレビューに自動生成された肯定的な要約を付加することの影響について検討した。
さもなくば過酷なフィードバックにAIを再構成した肯定的な要約を加えると、著者の批判的受け入れが増大することがわかった。
我々は、ピアフィードバックにおけるAIの利用の意味について論じ、それが批判的受容にどのように影響するかに注目し、研究コミュニティを支援する。
論文 参考訳（メタデータ） (2025-03-13T11:22:12Z) - Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [46.667783153759636]
強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。
具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
論文 参考訳（メタデータ） (2024-03-02T20:25:50Z) - UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。
我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
論文 参考訳（メタデータ） (2023-10-02T17:40:01Z) - Simulating Bandit Learning from User Feedback for Extractive Question
Answering [51.97943858898579]
教師付きデータを用いたフィードバックのシミュレーションにより,ユーザフィードバックからの学習を抽出的質問応答に適用する。
当初は少数の例でトレーニングしたシステムが,モデル予測された回答に対するユーザからのフィードバックを劇的に改善できることが示される。
論文 参考訳（メタデータ） (2022-03-18T17:47:58Z) - Learning Opinion Summarizers by Selecting Informative Reviews [81.47506952645564]
31,000以上の製品のユーザレビューと組み合わせた大規模な要約データセットを収集し、教師付きトレーニングを可能にします。
多くのレビューの内容は、人間が書いた要約には反映されず、したがってランダムなレビューサブセットで訓練された要約者は幻覚する。
我々は、これらのサブセットで表現された意見を要約し、レビューの情報的サブセットを選択するための共同学習としてタスクを定式化する。
論文 参考訳（メタデータ） (2021-09-09T15:01:43Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z)
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。