論文の概要: Evaluating a Data-Driven Redesign Process for Intelligent Tutoring Systems

• arxiv url: http://arxiv.org/abs/2603.29094v1
• Date: Tue, 31 Mar 2026 00:28:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.961163
• Title: Evaluating a Data-Driven Redesign Process for Intelligent Tutoring Systems
• Title（参考訳）: インテリジェントチューニングシステムのためのデータ駆動型再設計プロセスの評価
• Authors: Qianru Lyu, Conrad Borchers, Meng Xia, Karen Xiao, Paulo F. Carvalho, Kenneth R. Koedinger, Vincent Aleven,
• Abstract要約: 提案手法は,中学校数学科の知的チューリングシステムの4つの単位に応用することで,その一般性を検証した。 再設計チューターを使用した学生は、より生産的なタイム・オン・タスク、訓練されたスキルの多さ、知識の習得度が高かった。
• 参考スコア（独自算出の注目度）: 5.565906954837099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Past research has defined a general process for the data-driven redesign of educational technologies and has shown that in carefully-selected instances, this process can help make systems more effective. In the current work, we test the generality of the approach by applying it to four units of a middle-school mathematics intelligent tutoring system that were selected not based on suitability for redesign, as in previous work, but on topic. We tested whether the redesigned system was more effective than the original in a classroom study with 123 students. Although the learning gains did not differ between the conditions, students who used the Redesigned Tutor had more productive time-on-task, a larger number of skills practiced, and greater total knowledge mastery. The findings highlight the promise of data-driven redesign even when applied to instructional units *not* selected as likely to yield improvement, as evidence of the generality and wide applicability of the method.
• Abstract（参考訳）: 過去の研究は、データ駆動による教育技術の再設計の一般的なプロセスを定義しており、慎重に選択された事例では、このプロセスがシステムをより効果的にしてくれることを示してきた。 本研究は,従来のように再設計の適性に基づいて選択された中学数学の知的チューリングシステムの4つの単位に適用することで,アプローチの一般性を検証するものである。 また,123人の生徒を対象とした教室調査において,再設計が元のシステムよりも効果的かどうかを検討した。 学習の成果は条件によって違わなかったが、再設計チューターを使用する学生は、より生産的なタイム・オン・タスク、練習するスキルの多さ、知識の熟達度が高かった。 提案手法の汎用性と広範な適用性を示す証拠として,データ駆動型再設計が改善をもたらす可能性の高い命令単位**に適用される場合においても,データ駆動型再設計の可能性を強調した。

関連論文リスト

• Improving Assignment Submission in Higher Education through a Git-Enabled System: An Iterative Case Study [0.0]
  本研究は、Gitベースの投稿システムを導入・評価することで、高等教育で使用される従来型の提出方法の課題に対処する。 ユーザビリティテストや学生のフィードバックを含む経験的評価は、課題追跡、コラボレーション、提出効率の大幅な改善を示した。 学生は、分散バージョンコントロールによる積極的経験を報告し、学習結果の改善と管理負担の軽減を強調した。
  論文  参考訳（メタデータ） (2025-10-07T18:27:38Z)
• UNIFORM: Unifying Knowledge from Large-scale and Diverse Pre-trained Models [62.76435672183968]
  UNIFORMと呼ばれる新しいフレームワークを導入し、多様なオフザシェルフモデルから1つの学生モデルへ知識を伝達する。 本稿では,ロジットレベルでも機能レベルでも知識のコンセンサスを捉えるための,専用の投票機構を提案する。 UNIFORMは、強い知識伝達ベースラインに比べて、教師なしオブジェクト認識性能を効果的に向上することを示した。
  論文  参考訳（メタデータ） (2025-08-27T00:56:11Z)
• Learning What Matters: Prioritized Concept Learning via Relative Error-driven Sample Selection [38.35524024887503]
  Prioritized cOncept learninG by Relative Error-driven Sample Selection (PROGRESS)を提案する。 PROGRESSはデータと計算効率のよいフレームワークで、視覚言語モデルで次に何を学習するかを動的に選択できる。 PROGRESSは、データや監督をはるかに少なくして、最先端のベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-06-01T17:05:35Z)
• Diversified Batch Selection for Training Acceleration [68.67164304377732]
  オンラインバッチ選択として知られる一般的な研究ラインでは、トレーニングプロセス中の情報サブセットの選択について検討している。 バニラ参照モデルフリーメソッドは、独立してデータをサンプリング的にスコア付けし、選択する。 DivBS(Diversified Batch Selection)を提案する。
  論文  参考訳（メタデータ） (2024-06-07T12:12:20Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• NEVIS'22: A Stream of 100 Tasks Sampled from 30 Years of Computer Vision Research [96.53307645791179]
  我々は,100以上の視覚的分類タスクのストリームからなるベンチマークであるNever-Ending VIsual-classification Stream (NEVIS'22)を紹介する。 分類に制限されているにもかかわらず、OCR、テクスチャ分析、シーン認識など、様々なタスクが生成される。 NEVIS'22は、タスクの規模と多様性のために、現在のシーケンシャルな学習アプローチに対して前例のない課題を提起している。
  論文  参考訳（メタデータ） (2022-11-15T18:57:46Z)
• Self-Optimizing Feature Transformation [33.458785763961004]
  特徴変換は、既存の特徴を数学的に変換することで、優れた表現(特徴)空間を抽出することを目的としている。 現在の研究は、ドメイン知識に基づく特徴工学や学習潜在表現に焦点を当てている。 特徴変換のための自己最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-16T16:50:41Z)
• Assessing the Knowledge State of Online Students -- New Data, New Approaches, Improved Accuracy [28.719009375724028]
  適応型オンライン教育システムを構築する上で,学生パフォーマンス(SP)モデリングは重要なステップである。 この研究は、4つの異なる知的チューリングシステムから最近利用可能になった4つの非常に大きなデータセットを使った最初のものである。
  論文  参考訳（メタデータ） (2021-09-04T00:08:59Z)
• Uniform Priors for Data-Efficient Transfer [65.086680950871]
  もっとも移動可能な特徴は埋め込み空間において高い均一性を有することを示す。 我々は、未確認のタスクやデータへの適応を容易にする能力の正規化を評価する。
  論文  参考訳（メタデータ） (2020-06-30T04:39:36Z)

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。