論文の概要: AI Meets Mathematics Education: A Case Study on Supporting an Instructor in a Large Mathematics Class with Context-Aware AI
- arxiv url: http://arxiv.org/abs/2603.26679v1
- Date: Mon, 09 Mar 2026 10:59:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 02:36:13.066641
- Title: AI Meets Mathematics Education: A Case Study on Supporting an Instructor in a Large Mathematics Class with Context-Aware AI
- Title（参考訳）: AIと数学教育--文脈認識型AIを用いた大規模数学授業におけるインストラクタ支援のケーススタディ
- Authors: Jérémy Barghorn, Anna Sotnikova, Sacha Friedli, Antoine Bosselut,
- Abstract要約: 大規模な大学コースは、タイムリーでスケーラブルな教育支援を提供する上で、永続的な課題に直面している。
本稿では,教員との密接なコラボレーションにより実施したCalculus IコースにおけるAI支援支援の人間中心ケーススタディについて述べる。
我々は,2,588人の学生と教師のインタラクションに基づいて,ライトウェイト言語モデルを微調整し,議論フォーラムで学生の質問に答えるシステムを開発した。
- 参考スコア（独自算出の注目度）: 18.81288652134873
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large-enrollment university courses face persistent challenges in providing timely and scalable instructional support. While generative AI holds promise, its effective use depends on reliability and pedagogical alignment. We present a human-centered case study of AI-assisted support in a Calculus I course, implemented in close collaboration with the course instructor. We developed a system to answer students' questions on a discussion forum, fine-tuning a lightweight language model on 2,588 historical student-instructor interactions. The model achieved 75.3% accuracy on a benchmark of 150 representative questions annotated by five instructors, and in 36% of cases, its responses were rated equal to or better than instructor answers. Post-deployment student survey (N = 105) indicated that students valued the alignment of the responses with the course materials and their immediate availability, while still relying on the instructor verification for trust. We highlight the importance of hybrid human-AI workflows for safe and effective course support.
- Abstract（参考訳）: 大規模な大学コースは、タイムリーでスケーラブルな教育支援を提供する上で、永続的な課題に直面している。
生成AIは約束を守るが、その効果的な利用は信頼性と教育的アライメントに依存する。
本稿では,教員との密接なコラボレーションにより実施したCalculus IコースにおけるAI支援支援の人間中心ケーススタディについて述べる。
我々は,2,588人の学生と教師のインタラクションに基づいて,ライトウェイト言語モデルを微調整し,議論フォーラムで学生の質問に答えるシステムを開発した。
このモデルは5人のインストラクターがアノテートした150の代表的な質問のベンチマークで75.3%の精度を達成し、36%のケースではインストラクターの回答と同等かそれ以上に評価された。
デプロイ後調査 (N = 105) では, 学生は, 教師による信頼の検証に頼りながら, 授業資料との回答の整合性と即時性を評価することの重要性が示唆された。
安全かつ効果的なコースサポートのためのハイブリッドヒューマンAIワークフローの重要性を強調します。
関連論文リスト
- From Domain Understanding to Design Readiness: a playbook for GenAI-supported learning in Software Engineering [0.4737991126491217]
そこでは29人の生徒が暗号化の基礎を学ぶためにカスタマイズされたChatGPTチューターを使用していた。
その結果,genAIが支援する学習はドメイン理解とモデリングタスクの指導を補完し,音質やフォローアップ構造を改善する余地を残していることが示唆された。
論文 参考訳（メタデータ） (2026-03-31T18:27:42Z) - Closing the Loop: An Instructor-in-the-Loop AI Assistance System for Supporting Student Help-Seeking in Programming Education [21.729610894273563]
本稿では,AI生成ヒントとエスカレーション機構を統合したハイブリッドヘルプフレームワークを提案する。
その結果、673件のAIによるヒントのうち、146件(22%)が無害と評価された。
この発見は、AIサポートが失敗した場合、専門家のインストラクターでさえ、ミスを犯すのを避けるためにもっと注意を払う必要があることを示唆している。
論文 参考訳（メタデータ） (2025-10-16T08:57:05Z) - Decoding Instructional Dialogue: Human-AI Collaborative Analysis of Teacher Use of AI Tool at Scale [9.092920230987684]
大規模言語モデルの教育ツールへの統合は、教師の指導計画に大きな影響を与える可能性がある。
本稿では,140,000以上の教育者-AIメッセージの大規模定性分析のための人間-AI協調手法を提案する。
論文 参考訳（メタデータ） (2025-07-23T23:23:38Z) - Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants [176.39275404745098]
我々は,2つのAIアシスタントであるGPT-3.5とGPT-4が適切な回答を得られるかどうかを評価する。
GPT-4は65.8%の質問を正解し、85.1%の質問に対して少なくとも1つの手順で正しい答えを出すことができる。
この結果から,AIの進歩を踏まえて,高等教育におけるプログラムレベルの評価設計の見直しが求められた。
論文 参考訳（メタデータ） (2024-08-07T12:11:49Z) - CourseAssist: Pedagogically Appropriate AI Tutor for Computer Science Education [1.052788652996288]
このポスターでは、コンピュータサイエンス教育用に作られた新しいLLMベースのチューターシステムであるCourseAssistを紹介している。
一般的なLLMシステムとは異なり、CourseAssistは検索強化生成、ユーザ意図分類、質問分解を使用して、AI応答を特定のコース材料や学習目標と整合させる。
論文 参考訳（メタデータ） (2024-05-01T20:43:06Z) - UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。
本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。
学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
論文 参考訳（メタデータ） (2023-05-31T11:29:04Z) - 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) - 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。