論文の概要: Large Language Models in Teaching and Learning: Reflections on Implementing an AI Chatbot in Higher Education

• arxiv url: http://arxiv.org/abs/2603.17773v1
• Date: Wed, 18 Mar 2026 14:34:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.75338
• Title: Large Language Models in Teaching and Learning: Reflections on Implementing an AI Chatbot in Higher Education
• Title（参考訳）: 教育・学習における大規模言語モデル: 高等教育におけるAIチャットボットの実装に関する考察
• Authors: Fiammetta Caccavale, Carina L. Gargalo, Julian Kager, Magdalena Skowyra, Steen Larsen, Krist V. Gernaey, Ulrich Krühne,
• Abstract要約: 大規模言語モデル(LLM)は特に高等教育において大きな機会をもたらす。 幻覚を発生させる確率と限られた専門知識は、重大なリスクをもたらす可能性がある。 本研究は,大学レベルコースにおけるLLM強化アシスタントの実践的実装について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The landscape of education is changing rapidly, shaped by emerging pedagogical approaches, technological innovations such as artificial intelligence (AI), and evolving societal expectations, all of which demand thorough evaluation of new educational tools. Although large language models (LLMs) present substantial opportunities especially in Higher Education, their propensity to generate hallucinations and their limited specialized knowledge may introduce significant risks. This study aims to address these risks by examining the practical implementation of an LLM-enhanced assistant in a university level course. We implemented a generative AI assistant grounded in a retrieval-augmented generation (RAG) model to replicate a previously teacher-led, time-intensive exercise. To assess the effectiveness of the LLM, we conducted three separate experiments through iterative mixed-methods approaches, including a crossover design. The resulting data address central research questions related to student motivation, perceived differences between engaging with the LLM versus a human teacher, the quality of AI-generated responses, and the impact of the LLM on students' academic performance. The results offer direct insights into students' views and the pedagogical feasibility of embedding LLMs into specialized courses. Finally, we discuss the main challenges, opportunities and future directions of LLMs in teaching and learning in Higher Education.
• Abstract（参考訳）: 教育の状況は急速に変化しており、新たな教育的アプローチ、人工知能(AI)のような技術革新、社会的な期待の進化によって形成され、これらはいずれも新しい教育ツールの徹底的な評価を必要としている。 大規模言語モデル(LLM)は、特に高等教育において大きな機会をもたらすが、幻覚を発生させる確率と限られた専門知識は、重大なリスクをもたらす可能性がある。 本研究は,大学レベルコースにおけるLCM強化アシスタントの実践的実装を検討することで,これらのリスクに対処することを目的とする。 我々は、教師主導の時間集約演習を再現するために、検索強化世代(RAG)モデルに基づく生成AIアシスタントを実装した。 LLMの有効性を評価するために, クロスオーバー設計を含む3つの実験を行った。 その結果、学生のモチベーション、LLMと人間教師との関わりの相違、AI生成反応の質、LLMが学生の学業成績に与える影響について、中心的な研究課題に対処した。 その結果, 学生の視点と, LLMを専門科目へ組み込むことの教育的実現可能性について, 直接的な知見が得られた。 最後に,高等教育におけるLLMの主な課題,機会,今後の方向性について論じる。

関連論文リスト

• From Superficial Outputs to Superficial Learning: Risks of Large Language Models in Education [14.320271477960192]
  大規模言語モデル(LLM)は、パーソナライズ、フィードバック、知識アクセスを可能にすることで教育を変革している。 しかし、これらのリスクに関する実証的な証拠は依然として断片化されている。 本稿では,コンピュータ科学,教育,心理学にまたがる70の実証的研究を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-09-26T06:59:36Z)
• Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities [62.05713042908654]
  本稿では,逆強化学習(IRL)のレンズによる大規模言語モデル(LLM)のアライメントの進歩について概観する。 我々は、人間のデータからニューラル報酬モデルを構築する必要性を強調し、このパラダイムシフトの形式的および実践的意味について議論する。
  論文  参考訳（メタデータ） (2025-07-17T14:22:24Z)
• LLM Agents for Education: Advances and Applications [49.3663528354802]
  大規模言語モデル(LLM)エージェントは、タスクの自動化と多様な教育アプリケーションにおけるイノベーションの推進において、顕著な能力を示した。 本調査は、LLMエージェントの総合的技術概要を提供することを目的としており、学習者や教育者のより大きな利益に対する影響を高めるために、さらなる研究と協力を促進することを目的としている。
  論文  参考訳（メタデータ） (2025-03-14T11:53:44Z)
• Position: LLMs Can be Good Tutors in English Education [120.25980336297444]
  大規模言語モデル(LLM)は、英語教育において効果的な家庭教師として機能する可能性がある。 LLMは、データエンハンサー、学習材料の作成の改善、学生シミュレーションの3つの重要な役割を果たすことができる。
  論文  参考訳（メタデータ） (2025-02-08T06:48:49Z)
• When LLMs Learn to be Students: The SOEI Framework for Modeling and Evaluating Virtual Student Agents in Educational Interaction [12.070907646464537]
  教室シナリオにおける人格対応型仮想学生エージェント(LVSA)の構築と評価のためのSOEIフレームワークを提案する。 LoRAファインチューニングとエキスパートインフォームドプロンプト設計により,5つのLVSAをBig Five特性に基づいて生成する。 その結果,(1)LLMをベースとした学生エージェントのための教育的,心理的に基盤とした生成パイプライン,(2)行動リアリズムのためのハイブリッドでスケーラブルな評価フレームワーク,(3)LVSAsの教育的有用性に関する実証的な知見が得られた。
  論文  参考訳（メタデータ） (2024-10-21T07:18:24Z)
• Large Language Models for Education: A Survey and Outlook [69.02214694865229]
  各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。 本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
  論文  参考訳（メタデータ） (2024-03-26T21:04:29Z)
• Taking the Next Step with Generative Artificial Intelligence: The Transformative Role of Multimodal Large Language Models in Science Education [13.87944568193996]
  MLLM(Multimodal Large Language Models)は、テキスト、音声、視覚入力を含むマルチモーダルデータを処理できる。 本稿では,科学教育の中心的な側面におけるMLLMの変革的役割について,模範的な革新的な学習シナリオを提示することによって考察する。
  論文  参考訳（メタデータ） (2024-01-01T18:11:43Z)
• Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
  大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。 本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
  論文  参考訳（メタデータ） (2023-12-27T14:37:32Z)
• Prototyping the use of Large Language Models (LLMs) for adult learning content creation at scale [0.6628807224384127]
  本稿では,Large Language Models (LLM) の非同期コース生成における利用について検討する。 LLMを利用したコースプロトタイプを開発し,ロバストなHuman-in-the-loopプロセスを実装した。 最初の発見は、このアプローチを採用することで、正確さや明快さを損なうことなく、コンテンツ作成を高速化できることを示している。
  論文  参考訳（メタデータ） (2023-06-02T10:58:05Z)

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。