論文の概要: AICoFe: Implementation and Deployment of an AI-Based Collaborative Feedback System for Higher Education
- arxiv url: http://arxiv.org/abs/2605.04740v1
- Date: Wed, 06 May 2026 10:37:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.777403
- Title: AICoFe: Implementation and Deployment of an AI-Based Collaborative Feedback System for Higher Education
- Title（参考訳）: AICoFe: 高等教育のためのAIベースの協調フィードバックシステムの実装と展開
- Authors: Alvaro Becerra, Alejandra Palma, Ruth Cobos,
- Abstract要約: AICoFe(AIベースのコラボレーションフィードバック)は、人間中心のAIアプローチを通じて、このギャップを埋めるように設計されたシステムである。
本稿では,GPT-4.1-mini,Gemini 2.5 Flash,Llama 3.1 を用いてマルチLLMパイプラインをオーケストレーションし,定量的データと定性的な観測結果をコヒーレントで動作可能なフィードバックに合成するモジュールアーキテクチャについて述べる。
このシステムのキーとなるのは、“Teacher-in-the-loop”メディエーションワークフローである。
- 参考スコア（独自算出の注目度）: 41.99844472131922
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Effective peer feedback is essential for developing critical reflection in higher education, yet its impact is often limited by the inconsistent quality of student-generated comments. This paper presents the implementation and deployment of AICoFe (AI-based Collaborative Feedback), a system designed to bridge this gap through a human-centered AI approach. We describe a modular architecture that orchestrates a multi-LLM pipeline, utilizing GPT-4.1-mini, Gemini 2.5 Flash, and Llama 3.1, to synthesize quantitative rubric data and qualitative observations into coherent, actionable feedback. Key to the system is a "teacher-in-the-loop" mediation workflow, where educators use specialized Learning Analytics dashboards to curate and refine AI-generated drafts before delivery. Furthermore, we detail the underlying data infrastructure, which employs a hybrid SQL and MongoDB strategy to ensure traceability and manage semi-structured feedback versions.
- Abstract（参考訳）: 効果的なピアフィードバックは、高等教育における批判的リフレクションの発達に不可欠であるが、学生が生成したコメントの一貫性のない品質によってその影響は制限されることが多い。
本稿では,AICoFe(AIベースの協調フィードバック)の実装と展開について述べる。
本稿では,GPT-4.1-mini,Gemini 2.5 Flash,Llama 3.1を用いてマルチLLMパイプラインをオーケストレーションするモジュールアーキテクチャについて述べる。
このシステムのキーとなるのは、“Teacher-in-the-loop”メディエーションワークフローで、教育者は特殊なLearning Analyticsダッシュボードを使用して、デリバリ前にAI生成のドラフトをキュレートし、洗練する。
さらに、トレーサビリティを確保し、半構造化されたフィードバックバージョンを管理するために、ハイブリッドSQLとMongoDBの戦略を採用している基盤となるデータインフラストラクチャについても詳しく説明します。
関連論文リスト
- UniDial-EvalKit: A Unified Toolkit for Evaluating Multi-Faceted Conversational Abilities [70.79422099851506]
対話型AIシステム評価のための統合評価ツールキットUniDial-EvalKit(UDE)を提案する。
UDEは異種データフォーマットを普遍的なスキーマに標準化し、モジュールアーキテクチャを通じて複雑な評価パイプラインを合理化し、一貫したスコアリングインターフェースの下でメートル法計算を調整する。
論文 参考訳（メタデータ） (2026-03-24T13:01:31Z) - Sandpiper: Orchestrated AI-Annotation for Educational Discourse at Scale [3.0317183198617066]
Sandpiperは、高ボリュームの会話データと人間の質的な専門知識の橋渡しとして設計された混合開始システムである。
本稿では,AIを用いた定性分析における研究効率の向上,レータ間信頼性,研究者信頼度を評価するためのシステムの有効性を評価するためのユーザスタディを提案する。
論文 参考訳（メタデータ） (2026-03-09T14:01:42Z) - TAMUSA-Chat: A Domain-Adapted Large Language Model Conversational System for Research and Responsible Deployment [0.0]
TAMUSA-Chatはドメイン適応型大規模言語モデル対話システムを構築するためのフレームワークである。
私たちは、透明性、ガバナンスのコンプライアンス、責任あるAIプラクティスを維持しながら、学術機関が文脈に根ざした会話エージェントを開発する方法を示します。
論文 参考訳（メタデータ） (2026-02-14T04:44:52Z) - Beyond Holistic Scores: Automatic Trait-Based Quality Scoring of Argumentative Essays [15.895792302323883]
教育の文脈では、教師と学習者は解釈可能な特性レベルのフィードバックを必要とする。
本稿では,2つの相補的モデリングパラダイムを用いた特徴量に基づく自動弁別評価手法について検討する。
スコア・オーディナリティを明示的にモデル化することは、人間のレーダとの合意を著しく改善することを示します。
論文 参考訳（メタデータ） (2026-02-04T14:30:52Z) - Teaching at Scale: Leveraging AI to Evaluate and Elevate Engineering Education [3.557803321422781]
本稿では,大規模言語モデルを用いた定性的な学生フィードバックのためのスケーラブルなAI支援フレームワークを提案する。
このシステムは階層的な要約、匿名化、例外処理を用いて、オープンなコメントから実行可能なテーマを抽出する。
大規模な工学系大学への展開が成功したことを報告します。
論文 参考訳（メタデータ） (2025-08-01T20:27:40Z) - MOSAIC-F: A Framework for Enhancing Students' Oral Presentation Skills through Personalized Feedback [1.0835264351334324]
このフレームワークは、MMLA(Multimodal Learning Analytics)、観測、センサー、人工知能(AI)、コラボレーションアセスメントを統合している。
このフレームワークは、人間に基づく評価技術とデータに基づく評価技術を組み合わせることで、より正確でパーソナライズされ、行動可能なフィードバックを可能にする。
論文 参考訳（メタデータ） (2025-06-10T09:46:31Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z) - System-Level Natural Language Feedback [83.24259100437965]
システムレベルの設計決定を人為的なループプロセスで形式化する上で,フィードバックの活用方法を示す。
検索クエリと対話応答生成を改善するために,本手法のケーススタディを2つ実施する。
システムレベルのフィードバックとインスタンスレベルのフィードバックの組み合わせは、さらなる利益をもたらします。
論文 参考訳（メタデータ） (2023-06-23T16:21:40Z) - Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。
また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文 参考訳（メタデータ） (2020-12-01T11:46:03Z)
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。