論文の概要: EducaSim: Interactive Simulacra for CS1 Instructional Practice
- arxiv url: http://arxiv.org/abs/2603.11444v1
- Date: Thu, 12 Mar 2026 02:08:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-13 14:46:25.815263
- Title: EducaSim: Interactive Simulacra for CS1 Instructional Practice
- Title（参考訳）: EducaSim: CS1教育実践のためのインタラクティブシミュラクラ
- Authors: Cameron Mohne, Nicholas Vo, Dora Demszky, Chris Piech,
- Abstract要約: ロールプレイは、学習成果を改善するための効果を示す、ハイインパクトなトレーニングモードである。
この学習環境を促進するために訓練を受け、利用できる人材の提供に固有の依存があるため、教師の指導にスケールすることは困難である。
そこで我々は,ジェネレーティブエージェントを用いて教師養成のための小グループセクションをシミュレートする新しいフレームワーク,EduucaSimを提案する。
- 参考スコア（独自算出の注目度）: 2.5962324952933717
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Role play is a high-impact mode of training that has demonstrated its effectiveness in improving learning outcomes. However, it is difficult to scale to teacher instruction due to its inherent dependency on providing personnel who are both trained and available to facilitate this learning environment. This poses a challenge, especially to massive online courses which may employ and aid hundreds to thousands of novice teachers. In this work, we present EducaSim: a novel framework that uses generative agents to simulate a small-group section for teachers-in-training to practice instruction. EducaSim works by implementing diverse pedagogical-based personas, actual course material, and agent-based architectures constructed for instructional practice to provide a pedagogically rich environment for teachers-in-training to engage in role play learning -- without the costly overhead that comes with it. We share our experiences with constructing and making the tool available for experimental training and preparation in a six-week CS1 course supporting 20,000 students. We found that teachers who engaged generally saw it as a positive experience. We believe that EducaSim is an important step to providing experiential teaching practice at scale for closely-defined settings and has great potential for future applications.
- Abstract（参考訳）: ロールプレイは、学習成果を改善するための効果を示す、ハイインパクトなトレーニングモードである。
しかし、この学習環境を円滑に実践できる人材の育成に固有の依存があるため、教員教育にスケールすることは困難である。
これは、特に数百から数千人の初心者の教師を雇い、支援する大規模なオンラインコースにとって、大きな課題となる。
本研究は,教員養成のための小グループセクションをシミュレートするために生成エージェントを用いた新しいフレームワークであるEducaSimを提示する。
EducaSimは、教育実践のために構築された多様な教育的なペルソナ、実際のコース素材、エージェントベースのアーキテクチャを実装することで、教師がロールプレイラーニングに参加するための教育的に豊かな環境を提供する。
我々は,2万人の学生を支援する6週間のCS1コースで,実験および準備のためのツールの構築と作成の経験を共有した。
その結果,受講した教師は概して肯定的な経験だと考えた。
EducaSimは、厳密な設定のために大規模な経験的な教育実践を提供するための重要なステップであり、将来のアプリケーションにとって大きな可能性を秘めていると信じています。
関連論文リスト
- Improving Student-AI Interaction Through Pedagogical Prompting: An Example in Computer Science Education [1.1517315048749441]
大規模言語モデル(LLM)アプリケーションは、興奮と懸念の両方を引き起こした。
最近の研究は、LLMの誤用が学習の妨げとなることを一貫して強調している。
本研究の目的は,LLMの学習改善を効果的に促進する方法を学生に教えることである。
論文 参考訳（メタデータ） (2025-06-23T20:39:17Z) - Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
GRADEは、教育と表現的アライメントを研究するための新しい制御された実験環境である。
学生との表現的整合性が向上し,生徒の学習成果が向上することがわかった。
しかし、この効果は、教えられているクラスのサイズと表現の多様性によって中和される。
論文 参考訳（メタデータ） (2024-06-06T17:48:24Z) - Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。
本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。
ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
論文 参考訳（メタデータ） (2024-03-05T09:09:15Z) - Learn to Teach: Sample-Efficient Privileged Learning for Humanoid Locomotion over Diverse Terrains [6.967583364984562]
本研究は,教師と学生の政策学習を統合したワンステージ・トレーニング・フレームワーク,Learn to Teach (L2T)を提案する。
提案手法は, サンプルをリサイクルし, 共有力学を用いて学習軌跡を同期させ, サンプルの複雑さと学習時間を著しく低減する。
深度推定モジュールを使わずに12以上の困難な地形上で, ゼロショットのシミュレートとロバストな性能を実証し, シミュレーションとハードウェアテストによりRL変種(L2T-RL)を検証した。
論文 参考訳（メタデータ） (2024-02-09T21:16:43Z) - 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) - A Machine Learning system to monitor student progress in educational
institutes [0.0]
本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。
信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
論文 参考訳（メタデータ） (2022-11-02T08:24:08Z) - 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) - Interaction-limited Inverse Reinforcement Learning [50.201765937436654]
本稿では,教師の視点をカバーしたカリキュラム逆強化学習(CIRL)と,学習者の視点に着目した自己適用逆強化学習(SPIRL)の2つの訓練戦略を提案する。
シミュレーション実験と実ロボットを用いた実験により,CIRLの無作為教師やSPIRLのバッチ学習者よりも高速な学習が可能であることを示す。
論文 参考訳（メタデータ） (2020-07-01T12:31:52Z)
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。