論文の概要: Design and Deployment of a Course-Aware AI Tutor in an Introductory Programming Course

• arxiv url: http://arxiv.org/abs/2604.11836v1
• Date: Sun, 12 Apr 2026 08:17:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.014746
• Title: Design and Deployment of a Course-Aware AI Tutor in an Introductory Programming Course
• Title（参考訳）: 入門プログラミングコースにおけるコース認識型AIチュータの設計と展開
• Authors: Iris Groher, Patrick Heissenberger, Michael Vierhauser,
• Abstract要約: 大規模言語モデル(LLM)は、学生がプログラミングタスクを解く方法の一部となり、即座に説明し、完全なソリューションも提供してきた。 これまでの研究では、初心者プログラマはLLMに大きく依存しているため、自分たちの問題解決スキルを欠いていることが強調されていた。 我々は、完全なソリューションを生成することなく、検索強化されたコースアラインガイダンスを提供する、コース固有のオンラインPythonチューターを設計した。
• 参考スコア（独自算出の注目度）: 3.8144358095849946
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) have become part of how students solve programming tasks, offering immediate explanations and even full solutions. Previous work has highlighted that novice programmers often heavily rely on LLMs, thereby neglecting their own problem-solving skills. To address this challenge, we designed a course-specific online Python tutor that provides retrieval-augmented, course-aligned guidance without generating complete solutions. The tutor integrates a web-based programming environment with a conversational agent that offers hints, Socratic questions, and explanations grounded in course materials. Students used the system during self-study to work on homework assignments, and the tutor also supported questions about the broader course material. We collected structured student feedback and analyzed interaction logs to investigate how they engaged with the tutor's guidance. We observed that students used the tutor primarily for conceptual understanding, implementation guidance, and debugging, and perceived it as a course-aligned, context-aware learning support that encourages engagement rather than direct solution copying.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、学生がプログラミングタスクを解く方法の一部となり、即座に説明し、完全なソリューションも提供してきた。 これまでの研究では、初心者プログラマはLLMに大きく依存しているため、自分たちの問題解決スキルを欠いていることが強調されていた。 この課題に対処するため、我々は、完全なソリューションを生成することなく、検索強化されたコースアラインガイダンスを提供するコース固有のオンラインPythonチューターを設計した。 教師は、Webベースのプログラミング環境と会話エージェントを統合し、ヒントやソクラティックな質問、コース資料の根拠となる説明を提供する。 学生は自習時にこのシステムを使って宿題に取り組み、教官はより広いコースの教材に関する質問もサポートした。 構造化された学生のフィードバックを収集し,インタラクションログを解析し,教師の指導にどう関与したかを検討した。 学習者は,主に概念理解,実装指導,デバッグにチューターを使用し,直接のソリューションコピーよりもエンゲージメントを奨励する,コース整合型コンテキスト認識学習支援として認識した。

関連論文リスト

• WIP: Large Language Model-Enhanced Smart Tutor for Undergraduate Circuit Analysis [5.407172767172112]
  学習者のデザイン哲学と中核的なコンポーネントについて詳述し、オープンな質問応答や宿題のフィードバック生成について述べる。 このスマートチューターはMicrosoft Azureプラットフォームにデプロイされ、現在、学部の回路分析コースで使用されている。 その効果を評価するため,教師との満足感を示す回答の90.9%を学生のフィードバックとして収集した。
  論文  参考訳（メタデータ） (2025-06-10T16:35:45Z)
• Multimodal Programming in Computer Science with Interactive Assistance Powered by Large Language Model [0.0]
  DeepSeek R1をベースとした対話型宿題支援システムを開発した。 生徒の仕事はパーソナライズされたプロンプトで包み、すぐに答えを出すことなく教育目的を前進させる。
  論文  参考訳（メタデータ） (2025-03-09T10:48:47Z)
• Oversight in Action: Experiences with Instructor-Moderated LLM Responses in an Online Discussion Forum [2.86800540498016]
  本稿では,インストラクターが制御するボットモジュールの設計,展開,評価について述べる。 ボットは、学生の質問に対するドラフトレスポンスを生成し、リリース前にレビュー、修正、承認される。 我々は、オブジェクト指向プログラミングに関する12週間のソフトウェア工学コースで、このツールを使った経験を報告する。
  論文  参考訳（メタデータ） (2024-12-12T08:17:33Z)
• Automated Distractor and Feedback Generation for Math Multiple-choice Questions via In-context Learning [43.83422798569986]
  マルチチョイス質問(MCQ)は、管理しやすく、格付けし、信頼性の高い評価形式であるため、ほぼ全てのレベルの教育においてユビキタスである。 これまで、高品質なイントラクタを作るというタスクは、教師やコンテンツデザイナーを学ぶための労働集約的なプロセスのままだった。 本稿では,テキスト内学習をベースとした簡易な学習手法を提案する。
  論文  参考訳（メタデータ） (2023-08-07T01:03:04Z)
• 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)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• Steps Before Syntax: Helping Novice Programmers Solve Problems using the PCDIT Framework [2.768397481213625]
  初心者プログラマは、直面する高い認知的負荷のために、しばしば問題解決に苦労します。 多くの入門プログラミングコースは、その途中で問題解決スキルが取得されるという前提で、それを明示的に教えていない。 問題仕様を命令型プログラミング言語のための実装およびテストされたソリューションに変換するプロセスを通じて、初心者プログラマを誘導するための足場を提供する非線形問題解決フレームワークである 'PCDIT' を提案する。
  論文  参考訳（メタデータ） (2021-09-18T10:31:15Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• 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。