論文の概要: Can AI be a Teaching Partner? Evaluating ChatGPT, Gemini, and DeepSeek across Three Teaching Strategies

• arxiv url: http://arxiv.org/abs/2603.26673v1
• Date: Tue, 24 Feb 2026 00:47:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.058193
• Title: Can AI be a Teaching Partner? Evaluating ChatGPT, Gemini, and DeepSeek across Three Teaching Strategies
• Title（参考訳）: AIは教えるパートナーになれるか?3つの教え方からChatGPT、Gemini、DeepSeekを評価する
• Authors: Talita de Paula Cypriano de Souza, Shruti Mehta, Matheus Arataque Uema, Luciano Bernardes de Paula, Seiji Isotani,
• Abstract要約: 本稿では,一般的な言語モデル (LLM) の教材としての役割について比較検討する。 事例,説明,アナロジ,ソクラティック・メソッドの3つの教育戦略に焦点をあてて評価プロトコルを開発した。
• 参考スコア（独自算出の注目度）: 0.5937258831655882
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There are growing promises that Large Language Models (LLMs) can support students' learning by providing explanations, feedback, and guidance. However, despite their rapid adoption and widespread attention, there is still limited empirical evidence regarding the pedagogical skills of LLMs. This article presents a comparative study of popular LLMs, namely, ChatGPT, DeepSeek, and Gemini, acting as teaching agents. An evaluation protocol was developed, focusing on three pedagogical strategies: Examples, Explanations and Analogies, and the Socratic Method. Six human judges conducted the evaluations in the context of teaching the C programming language to beginners. The results indicate that LLM models exhibited similar interaction patterns in the pedagogical strategies of Examples and Explanations and Analogies. In contrast, for the Socratic Method, the models showed greater sensitivity to the pedagogical strategy and the initial prompt. Overall, ChatGPT and Gemini received higher scores, whereas DeepSeek obtained lower scores across the criteria, indicating differences in pedagogical performance across models.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、説明やフィードバック、ガイダンスを提供することで、学生の学習を支援すると約束されている。 しかし, 急速に普及し, 広く注目されているにもかかわらず, LLMの教育技術に関する実証的証拠は限られている。 本稿では,一般的なLLM,すなわちChatGPT,DeepSeek,およびGeminiの比較研究について述べる。 事例,説明,アナロジ,ソクラティック・メソッドの3つの教育戦略に焦点をあてて評価プロトコルを開発した。 6人の人間裁判官がC言語を初心者に教える文脈で評価を行った。 その結果, LLMモデルは, 事例, 解説, アナロジの教育戦略に類似した相互作用パターンを示した。 対照的に、ソクラテス法では、モデルは教育戦略と初期プロンプトに対してより敏感であった。 全体として、ChatGPTとGeminiは高いスコアを得たが、DeepSeekは低いスコアを得た。

関連論文リスト

• PedagoSense: A Pedology Grounded LLM System for Pedagogical Strategy Detection and Contextual Response Generation in Learning Dialogues [0.0]
  PedagoSenseは2段階戦略分類器と大規模言語モデル生成を組み合わせたペドロジー基盤システムである。 システムはまず、バイナリ分類器を用いて教育戦略が存在するかどうかを検知し、その後、特定の戦略を特定するためのきめ細かい分類を行う。
  論文  参考訳（メタデータ） (2026-02-01T11:38:18Z)
• PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors [66.56586559631516]
  大型言語モデル (LLM) は教育教師としての可能性を秘めている。 しかし、異なる学習戦略は、異なる学生の個性に利益をもたらす。 それにもかかわらず、現在のLLM教育システムは生徒の性格特性を考慮に入れていない。
  論文  参考訳（メタデータ） (2026-01-13T10:17:26Z)
• UCO: A Multi-Turn Interactive Reinforcement Learning Method for Adaptive Teaching with Large Language Models [59.693733170193944]
  大規模言語モデル(LLM)は、教育環境において、回答提供者からインテリジェントな家庭教師へとシフトしている。 最近の強化学習アプローチはこの制限に対処するが、2つの重要な課題に直面している。 これらの課題に対処するために一方向認知最適化法(UCO)を提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:27:02Z)
• EduDial: Constructing a Large-scale Multi-turn Teacher-Student Dialogue Corpus [59.693733170193944]
  EduDialは総合的な多ターン教師/学生対話データセットである。 EduDialは345のコアナレッジポイントをカバーし、教師と学生エージェントの対話によって生成された34,250の対話セッションで構成されている。
  論文  参考訳（メタデータ） (2025-10-14T18:18:43Z)
• Benchmarking Large Language Models for Personalized Guidance in AI-Enhanced Learning [4.990353320509215]
  大規模言語モデル(LLM)は、パーソナライズされた学習のためのインテリジェントアシスタントとしてますます考えられている。 本研究では,現実的な学習環境を模擬した学習課題における3つの最先端LLMの実証的比較を行った。
  論文  参考訳（メタデータ） (2025-09-02T14:21:59Z)
• Discerning minds or generic tutors? Evaluating instructional guidance capabilities in Socratic LLMs [35.33577525791391]
  本研究は,質問生成を超えて指導指導能力を強調する。 実際の教育対話を基盤としたベンチマークである GuideEval を提案する。 本稿では,行動促進型指導対話を活用した行動誘導型微調整戦略を提案する。
  論文  参考訳（メタデータ） (2025-08-08T01:02:44Z)
• Pedagogy-R1: Pedagogically-Aligned Reasoning Model with Balanced Educational Benchmark [6.024228339466189]
  大規模推論モデル(LRM)は、数学やプログラミングのような構造化領域において強い性能を示す。 LRMは教育的コヒーレンスと現実的な教育行動に欠けることが多い。 Pedagogy-R1は、3つのイノベーションを通じて、教室での利用にLRMを適用するフレームワークである。
  論文  参考訳（メタデータ） (2025-05-24T02:18:35Z)
• A Probabilistic Model Behind Self-Supervised Learning [53.64989127914936]
  自己教師付き学習(SSL)では、アノテートラベルなしで補助的なタスクを通じて表現が学習される。 自己教師型学習のための生成潜在変数モデルを提案する。 対照的な方法を含む識別的SSLのいくつかのファミリーは、表現に匹敵する分布を誘導することを示した。
  論文  参考訳（メタデータ） (2024-02-02T13:31:17Z)
• MR-GSM8K: A Meta-Reasoning Benchmark for Large Language Model Evaluation [60.65820977963331]
  大規模言語モデル(LLM)のための新しい評価パラダイムを導入する。 このパラダイムは、しばしば推論プロセスを無視する結果指向の評価から、より包括的な評価へと重点を移す。 GSM8Kデータセットにこのパラダイムを適用し,MR-GSM8Kベンチマークを開発した。
  論文  参考訳（メタデータ） (2023-12-28T15:49:43Z)

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。