論文の概要: An AI Teaching Assistant for Motion Picture Engineering

• arxiv url: http://arxiv.org/abs/2604.04670v1
• Date: Mon, 06 Apr 2026 13:30:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.203505
• Title: An AI Teaching Assistant for Motion Picture Engineering
• Title（参考訳）: 映画工学のためのAI教材
• Authors: Deirdre O'Regan, Anil C. Kokaram,
• Abstract要約: 本稿では,トリニティ・カレッジ・ダブリン・マスターズ・モーション・ピクチャー・エンジニアリング(MPE)コースにおけるAI-TA(AI-TA)の実装について述べる。 本稿では,AI-TAが測定値に与える影響について報告する。 学生のフィードバックから,AI-TAは有益であることが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid rise of LLMs over the last few years has promoted growing experimentation with LLM-driven AI tutors. However, the details of implementation, as well as the benefit in a teaching environment, are still in the early days of exploration. This article addresses these issues in the context of implementation of an AI Teaching Assistant (AI-TA) using Retrieval Augmented Generation (RAG) for Trinity College Dublin's Master's Motion Picture Engineering (MPE) course. We provide details of our implementation (including the prompt to the LLM, and code), and highlight how we designed and tuned our RAG pipeline to meet course needs. We describe our survey instrument and report on the impact of the AI-TA through a number of quantitative metrics. The scale of our experiment (43 students, 296 sessions, 1,889 queries over 7 weeks) was sufficient to have confidence in our findings. Unlike previous studies, we experimented with allowing the use of the AI-TA in open-book examinations. Statistical analysis across three exams showed no performance differences regardless of AI-TA access (p > 0.05), demonstrating that thoughtfully designed assessments can maintain academic validity. Student feedback revealed that the AI-TA was beneficial (mean = 4.22/5), while students had mixed feelings about preferring it over human tutoring (mean = 2.78/5).
• Abstract（参考訳）: 過去数年間のLLMの急速な増加は、LLM駆動型AIチューターによる実験の増大を促進している。 しかし、実装の詳細と教育環境の利点は、まだ探索の初期段階にある。 本稿では,トリニティ・カレッジ・ダブリン・マスターズ・モーション・ピクチャー・エンジニアリング(MPE)コースにおいて,レトリーバル・アグメンテッド・ジェネレーション(RAG)を用いたAI-TA(AI-TA)の実装状況について述べる。 実装の詳細(LLMへのプロンプトやコードを含む)を提供し、コースのニーズを満たすためにRAGパイプラインをどのように設計し調整したかを強調します。 本稿では,AI-TAが測定値に与える影響について報告する。 実験の規模は, 学生43名, セッション296名, クエリ1,889名であった。 従来の研究とは異なり、オープンブック試験にAI-TAを使用できるように実験を行った。 3つの試験の統計分析では,AI-TAアクセスによらず,性能差は認められなかった(p > 0.05)。 学生のフィードバックによると、AI-TAは有益である(平均=4.22/5)。

関連論文リスト

• AI Meets Mathematics Education: A Case Study on Supporting an Instructor in a Large Mathematics Class with Context-Aware AI [18.81288652134873]
  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。
  論文  参考訳（メタデータ） (2026-03-09T10:59:52Z)
• Reflection-Satisfaction Tradeoff: Investigating Impact of Reflection on Student Engagement with AI-Generated Programming Hints [16.757426904379212]
  有望なアプローチのひとつに、AI生成ヒントとリフレクションプロンプトのペアリングがある。 本研究では,オンラインプログラミングコースにおけるAI生成ヒントとリフレクションプロンプトの異なる設計との相互作用について検討する。
  論文  参考訳（メタデータ） (2025-12-04T10:01:33Z)
• ELAIPBench: A Benchmark for Expert-Level Artificial Intelligence Paper Understanding [49.67493845115009]
  ELAIPBenchは、大規模言語モデルによるAI研究論文の理解を評価するために、ドメインの専門家によってキュレーションされたベンチマークである。 難易度は3つあり、浅い検索よりも非自明な推論に重点を置いている。 実験の結果、最高の性能のLSMは、人間の性能よりはるかに低い39.95%の精度しか達成できないことがわかった。
  論文  参考訳（メタデータ） (2025-10-12T11:11:20Z)
• AI-University: An LLM-based platform for instructional alignment to scientific classrooms [12.733784667573211]
  AI主導のコースコンテンツ配信のための柔軟なフレームワークであるAI University(AI-U)を紹介する。 コアとなるAI-Uは、検索強化世代(RAG)を備えた大規模言語モデル(LLM)を微調整し、講義ビデオ、ノート、教科書からインストラクター対応の応答を生成する。 本稿では、学習データを体系的に構築し、ローランド適応(LoRA)を用いたオープンソースのLLMを微調整し、RAGベースの合成による応答を最適化するスケーラブルなパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-04-11T01:26:34Z)
• Supporting Students' Reading and Cognition with AI [12.029238454394445]
  私たちは124セッションのテキストをAIツールで分析し、ユーザの読書プロセスと認知的エンゲージメントを理解しました。 我々は、低レベルの認知タスクのための構造化足場を含む、将来のAI読解支援システムの設計意味について提案する。 私たちは、学生やインストラクターがAIで読書体験をカスタマイズできる適応的で人間的なループ機能を提案しています。
  論文  参考訳（メタデータ） (2025-04-07T17:51:27Z)
• Use Me Wisely: AI-Driven Assessment for LLM Prompting Skills Development [5.559706293891474]
  大規模言語モデル(LLM)を利用したチャットボットは、様々な領域で普及し、様々なタスクやプロセスをサポートしている。 しかし、プロンプトは非常にタスクに依存し、ドメインに依存しており、ジェネリックアプローチの有効性を制限している。 本研究では, アドホックガイドラインと最小限の注釈付きプロンプトサンプルを用いて, LLM を用いた学習評価を促進できるかどうかを検討する。
  論文  参考訳（メタデータ） (2025-03-04T11:56:33Z)
• ExACT: Teaching AI Agents to Explore with Reflective-MCTS and Exploratory Learning [78.42927884000673]
  ExACTは、エージェントアプリケーションのためのo1のようなモデルを構築するために、テスト時間検索と自己学習を組み合わせるアプローチである。 リフレクティブモンテカルロ木探索(Reflective Monte Carlo Tree Search, R-MCTS)は、AIエージェントがその場で意思決定空間を探索する能力を高めるために設計された新しいテストタイムアルゴリズムである。 次に,探索学習(Exploratory Learning)という,外部探索アルゴリズムに頼らずに,エージェントに推論時間での探索を教える新しい学習戦略を紹介する。
  論文  参考訳（メタデータ） (2024-10-02T21:42:35Z)
• 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)

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。