論文の概要: Prober.ai: Gated Inquiry-Based Feedback via LLM-Constrained Personas for Argumentative Writing Development
- arxiv url: http://arxiv.org/abs/2605.05598v1
- Date: Thu, 07 May 2026 02:32:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-08 22:27:11.490172
- Title: Prober.ai: Gated Inquiry-Based Feedback via LLM-Constrained Personas for Argumentative Writing Development
- Title（参考訳）: Prober.ai: Gated Inquiry-based Feedback via LLM-Constrained Personas for Argumentative Writing Development
- Authors: Ran Bi, Shiyao Wei, Yuanyiyi Zhou,
- Abstract要約: Prober.aiは、従来のAIチューニングパラダイムを逆転するWebベースの書き込み環境である。
学生用テキストの生成や書き直しよりも、ペルソナ固有のシステムプロンプトを通じてLLMを制約する。
- 参考スコア（独自算出の注目度）: 0.5352419666794658
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The proliferation of large language models (LLMs) in educational settings has paradoxically undermined the cognitive processes they purport to support. Students increasingly outsource critical thinking to AI assistants that generate polished text on demand, resulting in measurable cognitive debt and diminished argumentative reasoning skills. We present Prober.ai, a web-based writing environment that inverts the conventional AI-tutoring paradigm: rather than generating or rewriting student text, the system constrains an LLM (Gemini 3 Flash Preview) through persona-specific system prompts and structured JSON output schemas to produce only targeted, inquiry-based questions about argumentative weaknesses. A two-phase interaction architecture -- Challenge and Unlock -- implements a pedagogical friction mechanism whereby revision suggestions are gated behind mandatory student reflection. The system's design is grounded in Toulmin's argumentation theory, research on peer feedforward questioning mechanisms, and evidence on AI-supported feedback in writing instruction. A functional prototype was developed in 36 hours during the NY EdTech Hackathon (March 2026), where it was awarded second place. We describe the system architecture, the prompt engineering methodology for constraining LLM output to pedagogically aligned JSON schemas, and discuss implications for scalable, cognition-preserving AI integration in writing education.
- Abstract（参考訳）: 教育環境における大きな言語モデル(LLMs)の増殖は、彼らが支援する認知過程をパラドックス的に弱めている。
学生たちは、要求に応じて洗練されたテキストを生成するAIアシスタントに対して批判的思考をアウトソースし、その結果、測定可能な認知的負債と議論的推論スキルが低下する。
本稿では,従来のAI学習パラダイムを逆転させるWebベースの書込み環境であるProber.aiについて紹介する。学生用テキストの生成や書き直しではなく,ペルソナ固有のシステムプロンプトを通じてLLM(Gemini 3 Flash Preview)を制約し,JSON出力スキーマを構造化することにより,議論的弱点に関するターゲットベースの質問のみを生成する。
2段階の相互作用アーキテクチャであるChallengeとUnlockは、教育的な摩擦メカニズムを実装している。
システムの設計は、トゥールミンの議論理論、ピアフィードフォワードの質問機構の研究、AIが支援する指導書のフィードバックの証拠に基礎を置いている。
機能プロトタイプは、ニューヨーク・エドテック・ハッカソン(2026年3月)の36時間で開発され、第2位に輝いた。
本稿では,LLM出力を段階的に整列したJSONスキーマに制約する迅速なエンジニアリング手法であるシステムアーキテクチャについて述べる。
関連論文リスト
- Chatbot-Based Assessment of Code Understanding in Automated Programming Assessment Systems [1.0705399532413615]
本稿では,プログラミング教育における会話アセスメントアプローチの飽和に基づくスコーピングレビューについて報告する。
このレビューでは、ルールベースまたはテンプレート駆動システム、LLMベースのシステム、ハイブリッドシステムの3つの主要なアーキテクチャファミリを特定している。
本稿では,これらの知見を,対話型検証を自動プログラミングアセスメントシステムに統合するハイブリッドソクラティックフレームワークに合成する。
論文 参考訳（メタデータ） (2026-04-08T17:11:30Z) - From Use to Oversight: How Mental Models Influence User Behavior and Output in AI Writing Assistants [70.1699066541501]
システムの動作に関する機能的、あるいは関連性、システムの動作に関する構造的、あるいは関連性という、2つのタイプのメンタルモデルについて検討する。
構造的精神モデル状態の参加者は、システムに対する理解を深める一方、これはバックフィリング効果をもたらす可能性がある。
論文 参考訳（メタデータ） (2026-04-06T20:50:44Z) - Student Perceptions of Large Language Models Use in Self-Reflection and Design Critique in Architecture Studio [0.0]
本研究では,Large Language Models (LLM) のアーキテクチャ設計スタジオのフィードバック機構への統合について検討する。
この研究は、自己回帰、ピア批判、教授主導のレビューの3つの異なるフィードバック領域における学生の認識を分析している。
論文 参考訳（メタデータ） (2026-01-19T06:38:03Z) - Improving Procedural Skill Explanations via Constrained Generation: A Symbolic-LLM Hybrid Architecture [2.6141337419964725]
手続き的スキル学習では、指示的説明はステップだけでなく、その背後にある因果的、ゴール指向的、構成論理を伝達しなければならない。
Ivyは、記号的タスク・メソッド・知識(TMK)モデルと生成的解釈層を組み合わせ、構造化された多段階的な説明を提供するAIコーチングシステムである。
論文 参考訳（メタデータ） (2025-11-26T00:29:53Z) - A vibe coding learning design to enhance EFL students' talking to, through, and about AI [5.671810777243196]
この記事では、外国語教育としての英語のためのビブコーディング(自然言語を使ってAIを使ったソフトウェアアプリケーションを作成する)のパイロット化について報告する。
私たちは、AI(プロンプトエンジニアリング)、AI(著者の交渉)、AI(AI)という3つの次元を持つ、人間とAIのメタランゲージングフレームワークを開発しました。
論文 参考訳（メタデータ） (2025-09-09T00:27:04Z) - NeuralNexus at BEA 2025 Shared Task: Retrieval-Augmented Prompting for Mistake Identification in AI Tutors [0.12499537119440242]
本稿では, BEA 2025共有タスクにおけるトラック1のミステイク同定システムについて述べる。
この課題は、教師の反応が学生の推論における誤りを正しく識別するかどうかを評価することである。
我々のシステムは意味的に類似した例を検索し、構造化されたプロンプトを構築し、生成可能な予測をスキーマ誘導解析する。
論文 参考訳（メタデータ） (2025-06-12T12:11:56Z) - Language Models can be Logical Solvers [99.40649402395725]
論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。
LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
論文 参考訳（メタデータ） (2023-11-10T16:23:50Z) - DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain
Question Answering over Knowledge Base and Text [73.68051228972024]
大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。
検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
論文 参考訳（メタデータ） (2023-10-31T04:37:57Z) - Re-Reading Improves Reasoning in Large Language Models [87.46256176508376]
既成のLarge Language Models (LLM) の推論能力を高めるため, 単純で汎用的で効果的なプロンプト手法であるRe2を導入する。
CoT (Chain-of-Thought) など、ほとんどの思考を刺激する手法とは異なり、Re2 は質問を2回処理することで入力に焦点を移し、理解プロセスを強化する。
提案手法の有効性と汎用性を検証するため,14のデータセットにまたがる広範囲な推論ベンチマークでRe2を評価した。
論文 参考訳（メタデータ） (2023-09-12T14:36:23Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z)
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。