論文の概要: Autonomous LLM-generated Feedback for Student Exercises in Introductory Software Engineering Courses
- arxiv url: http://arxiv.org/abs/2604.20803v1
- Date: Wed, 22 Apr 2026 17:34:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:11.259782
- Title: Autonomous LLM-generated Feedback for Student Exercises in Introductory Software Engineering Courses
- Title（参考訳）: イントロダクティブ・ソフトウェア工学講座における学生運動の自律的LLM生成フィードバック
- Authors: Andreas Metzger,
- Abstract要約: NAILAは、学生の運動に24/7の自律的なフィードバックを提供するツールだ。
デュイズバーグ・エッセン大学で900名以上の学生を対象に実験を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Introductory Software Engineering (SE) courses face rapidly increasing student enrollment numbers, participants with diverse backgrounds and the influence of Generative AI (GenAI) solutions. High teacher-to-student ratios often challenge providing timely, high-quality, and personalized feedback a significant challenge for educators. To address these challenges, we introduce NAILA, a tool that provides 24/7 autonomous feedback for student exercises. Utilizing GenAI in the form of modern LLMs, NAILA processes student solutions provided in open document formats, evaluating them against teacher-defined model solutions through specialized prompt templates. We conducted an empirical study involving 900+ active students at the University of Duisburg-Essen to assess four main research questions investigating (1) the underlying motivations that drive students to either adopt or reject NAILA, (2) user acceptance by measuring perceived usefulness and ease of use alongside subjective learning progress, (3) how often and how consistently students engage with NAILA, and (4) how using NAILA to receive AI feedback impacts on academic performance compared to human feedback.
- Abstract（参考訳）: 導入型ソフトウェア工学(SE)コースは、学生の入学数の増加、さまざまなバックグラウンドを持つ参加者、生成型AI(GenAI)ソリューションの影響に直面している。
教師と学生の比率が高いことは、タイムリーで高品質でパーソナライズされたフィードバックを提供することが、教育者にとって重要な課題であることが多い。
これらの課題に対処するため,学生運動に24時間7回の自律的フィードバックを提供するツールであるNAILAを紹介した。
GenAIを現代のLLMの形で利用して、NALAはオープンドキュメント形式で提供される学生ソリューションを処理し、特別なプロンプトテンプレートを通じて教師が定義したモデルソリューションに対して評価する。
ダイスブルク・エッセン大学の900人以上の学生を対象に,(1)AILAの採用や拒否を促す動機,(2)主観的学習の進行とともに有用性や使いやすさを判断するユーザ受け入れ,(3)AILAに一貫して関与する頻度と頻度,(4)AIフィードバックが人間のフィードバックと比較して学術的パフォーマンスに与える影響について,4つの主要な研究課題を評価するための実証的研究を行った。
関連論文リスト
- Teaching Agile Requirements Engineering: A Stakeholder Simulation with Generative AI [5.361962126043114]
学生は、要件の導出とドキュメントに最先端のアジャイルプラクティスを適用することで、実践的な経験を得ます。
学生はまた、生成的AIの使用に関連する技術的および倫理的制限について理解を深める。
論文 参考訳（メタデータ） (2026-03-13T12:07:52Z) - Personalized and Constructive Feedback for Computer Science Students Using the Large Language Model (LLM) [0.8409304328108455]
本稿では,学生評価における言語モデル(LLM)の性能について,事前に定義されたルーリックとマーキング基準を用いて検討する。
我々は,既存のLCMによるマーキングアセスメント,追跡,評価(LLM-MATE)の力を活用して,学生の学習を促進することを目的としている。
論文 参考訳（メタデータ） (2025-10-13T15:59:30Z) - Integrating Generative AI in BIM Education: Insights from Classroom Implementation [0.4805964026801514]
本研究では,大学院レベルのビルディング情報モデリングコースにおけるジェネレーティブAIを活用したルールチェックワークフローの実装を評価する。
2学期以上、55人の学生が、BIMコンプライアンスタスクにGenAIを使用したことを探る教室ベースのパイロットに参加した。
論文 参考訳（メタデータ） (2025-07-06T03:41:04Z) - Can Large Language Models Help Students Prove Software Correctness? An Experimental Study with Dafny [75.55915044740566]
コンピューティング教育の学生は、ChatGPTのような大きな言語モデル(LLM)をますます利用している。
本稿では,Dafny の形式的検証演習において,学生が LLM とどのように相互作用するかを検討する。
論文 参考訳（メタデータ） (2025-06-27T16:34:13Z) - Exploring LLM-based Student Simulation for Metacognitive Cultivation [33.346260553878984]
高品質なシミュレーション学生エージェントを自動生成・フィルタリングするパイプラインを提案する。
我々の研究は、パーソナライズされた学習と教育アセスメントにおける幅広い応用の道を開く。
論文 参考訳（メタデータ） (2025-02-17T11:12:47Z) - Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。
本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。
ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
論文 参考訳（メタデータ） (2024-03-05T09:09:15Z) - Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [46.667783153759636]
強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。
具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
論文 参考訳（メタデータ） (2024-03-02T20:25:50Z)
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。