論文の概要: Kwame 2.0: Human-in-the-Loop Generative AI Teaching Assistant for Large Scale Online Coding Education in Africa

• arxiv url: http://arxiv.org/abs/2603.29159v1
• Date: Tue, 31 Mar 2026 02:19:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.040421
• Title: Kwame 2.0: Human-in-the-Loop Generative AI Teaching Assistant for Large Scale Online Coding Education in Africa
• Title（参考訳）: Kwame 2.0: アフリカにおける大規模オンラインコーディング教育のためのヒューマン・イン・ザ・ループ生成AI指導アシスタント
• Authors: George Boateng, Samuel Boateng, Victor Kumbol,
• Abstract要約: 我々は、検索強化世代を用いて構築されたバイリンガル(英仏)生成型AI教示アシスタントであるKwame 2.0を紹介する。 アフリカ35か国で15のコホート,3,717の入学者を対象に15ヶ月にわたる縦断調査を行った。
• 参考スコア（独自算出の注目度）: 0.548014499873554
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Providing timely and accurate learning support in large-scale online coding courses is challenging, particularly in resource-constrained contexts. We present Kwame 2.0, a bilingual (English-French) generative AI teaching assistant built using retrieval-augmented generation and deployed in a human-in-the-loop forum within SuaCode, an introductory mobile-based coding course for learners across Africa. Kwame 2.0 retrieves relevant course materials and generates context-aware responses while encouraging human oversight and community participation. We deployed the system in a 15-month longitudinal study spanning 15 cohorts with 3,717 enrollments across 35 African countries. Evaluation using community feedback and expert ratings shows that Kwame 2.0 provided high-quality and timely support, achieving high accuracy on curriculum-related questions, while human facilitators and peers effectively mitigated errors, particularly for administrative queries. Our findings demonstrate that human-in-the-loop generative AI systems can combine the scalability and speed of AI with the reliability of human support, offering an effective approach to learning assistance for underrepresented populations in resource-constrained settings at scale.
• Abstract（参考訳）: 大規模オンラインコーディングコースにおいて、タイムリーで正確な学習支援を提供することは、特にリソース制約のあるコンテキストにおいて困難である。 我々は、検索強化世代を使用して構築され、SuaCode内のヒューマン・イン・ザ・ループ・フォーラムにデプロイされたバイリンガル(英仏)なAI学習アシスタントであるKwame 2.0を紹介した。 Kwame 2.0は、関連するコース資料を検索し、人間の監視とコミュニティ参加を奨励しながら、コンテキスト対応の応答を生成する。 アフリカ35か国で15のコホート,3,717の入学者を対象に15ヶ月にわたる縦断調査を行った。 コミュニティフィードバックと専門家評価を用いて評価したところ、Kwame 2.0はカリキュラム関連の質問に対して高い精度で高品質でタイムリーなサポートを提供し、一方で人事ファシリテーターやピアは、特に行政的なクエリにおいてエラーを効果的に軽減した。 我々の研究結果は,AIのスケーラビリティと速度を人間のサポートの信頼性と組み合わせることで,資源制約された環境下での人口不足に対する学習支援を効果的に行うことができることを示した。

関連論文リスト

• 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)
• Training LLM Agents to Empower Humans [67.80021254324294]
  本稿では,人間のエンパワーメントの最大化に基づく支援言語モデルのチューニング手法を提案する。 我々のエンパワーメント最大化手法であるEmpowerは、オフラインのテキストデータのみを必要とする。 我々は,Empowerで訓練されたエージェントが,プログラミング問題に挑戦する人間プログラマの成功率を平均192%向上させることを示す。
  論文  参考訳（メタデータ） (2025-10-15T16:09:33Z)
• Two-Timescale Model Caching and Resource Allocation for Edge-Enabled AI-Generated Content Services [55.0337199834612]
  Generative AI(GenAI)は、カスタマイズされたパーソナライズされたAI生成コンテンツ(AIGC)サービスを可能にするトランスフォーメーション技術として登場した。 これらのサービスは数十億のパラメータを持つGenAIモデルの実行を必要とし、リソース制限の無線エッジに重大な障害を生じさせる。 我々は、AIGC品質とレイテンシメトリクスのトレードオフをバランスさせるために、AIGCサービスのジョイントモデルキャッシングとリソースアロケーションの定式化を導入する。
  論文  参考訳（メタデータ） (2024-11-03T07:01:13Z)
• Learning Task Decomposition to Assist Humans in Competitive Programming [90.4846613669734]
  タスク分解学習のための新しい目的,いわゆる値(AssistV)を導入する。 我々は、さまざまな分解されたソリューションに対して、人間の修理経験のデータセットを収集する。 人間の177時間以内の研究では、非専門家が33.3%の問題を解き、それらを3.3倍スピードアップさせ、無支援の専門家にマッチさせる権限を与える。
  論文  参考訳（メタデータ） (2024-06-07T03:27:51Z)
• Leveraging AI to Advance Science and Computing Education across Africa: Challenges, Progress and Opportunities [1.2691047660244332]
  アフリカにおける科学・コンピューティング教育のための教育ツールにおけるAIの開発と展開について述べる。 SuaCodeは、アフリカ人がスマートフォンを使ってプログラミングを学ぶことができるAIベースのアプリだ。 AutoGradは、グラフィカルおよびインタラクティブなコーディング割り当てのための自動グレーディングおよびフィードバックツールである。 Kwame for Science(クウェーム・フォー・サイエンス、英語: Kwame for Science)は、学生の科学問題に対する即時回答を提供する、WebベースのAI教育アシスタントである。
  論文  参考訳（メタデータ） (2024-02-12T04:10:09Z)
• Real-World Deployment and Evaluation of Kwame for Science, An AI Teaching Assistant for Science Education in West Africa [0.769672852567215]
  アフリカは生徒と教師の比率が高く、生徒の教師への教育的質問に対する回答を制限している。 私たちは、コーディング教育のためのバイリンガルAI教育アシスタントであるKwameを拡張し、科学教育に適応させ、Webアプリとしてデプロイしました。 私たちは8ヶ月にわたってKwame for Scienceを現実世界に展開し、32カ国(アフリカ15か国)で750人のユーザを獲得しました。
  論文  参考訳（メタデータ） (2023-02-21T16:20:17Z)
• Human Decision Makings on Curriculum Reinforcement Learning with Difficulty Adjustment [52.07473934146584]
  我々は,カリキュラム強化学習結果を,人的意思決定プロセスから学ぶことで,難しすぎず,難しすぎるような望ましいパフォーマンスレベルに導く。 本システムは非常に並列化可能であり,大規模強化学習アプリケーションの訓練が可能となる。 強化学習性能は、人間の所望の難易度と同期してうまく調整できることが示される。
  論文  参考訳（メタデータ） (2022-08-04T23:53:51Z)

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。