論文の概要: From Surface Learning to Deep Understanding: A Grounded AI Tutoring System for Moodle

• arxiv url: http://arxiv.org/abs/2605.06963v1
• Date: Thu, 07 May 2026 21:27:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.63182
• Title: From Surface Learning to Deep Understanding: A Grounded AI Tutoring System for Moodle
• Title（参考訳）: 表面学習から深い理解へ:Moodleのための接地型AIチューニングシステム
• Authors: Anna Ostrowska, Michał Kukla, Gabriela Majstrak, Jan Opala, Sebastian Pergała, Jan Skwarek, Anna Wróblewska,
• Abstract要約: このシステムはデュアル中心型設計を採用しており、学生にインタラクティブなソクラティックベースのチューターと教育者に、教師付きコンテンツ生成のための「ヒューマン・イン・ザ・ループ」ワークスペースを提供する。 Ragasフレームワークによる評価は有効性を確認し、信頼性スコアは0.97、推奨レートは4.00/5.00である。
• 参考スコア（独自算出の注目度）: 1.4072064932290227
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This demo paper describes the development of the AI Teaching \& Learning Assistant, a modular Moodle plugin that leverages Retrieval-Augmented Generation (RAG) to deliver high-quality, hallucination-free education. The system employs a dual-centric design, providing students with interactive, Socratic-based tutoring and educators with a "human-in-the-loop" workspace for supervised content generation. By grounding Large Language Model (LLM) responses in teacher-provided materials, the assistant addresses the risks of misinformation while encouraging deep conceptual mastery. Evaluation via the Ragas (LLM-as-a-Judge) framework and a preliminary user study confirms its effectiveness, achieving faithfulness scores up to 0.97 and a 4.00/5.00 recommendation rate.
• Abstract（参考訳）: このデモでは、Retrieval-Augmented Generation (RAG)を活用して高品質で幻覚のない教育を提供するモジュール型MoodleプラグインであるAI Teaching \& Learning Assistantの開発について説明する。 このシステムはデュアル中心型設計を採用しており、学生にインタラクティブなソクラティックベースのチューターと教育者に、教師付きコンテンツ生成のための「ヒューマン・イン・ザ・ループ」ワークスペースを提供する。 教師が提供した教材にLarge Language Model (LLM) 応答を基礎づけることで, 情報誤認のリスクに対処し, 深い概念的熟達を奨励する。 Ragas(LLM-as-a-Judge)フレームワークによる評価と、その有効性を確認し、信頼性スコアが0.97、推奨レートが4.00/5.00に達する。

関連論文リスト

• An Experience Report on a Pedagogically Controlled, Curriculum-Constrained AI Tutor for SE Education [4.976713294177978]
  本稿では、RockStartITイニシアチブ内のデジタルプログラミングおよび計算思考コース用に開発されたAIアシスタントであるRockStartIT Tutorの設計とパイロット評価について述べる。 GPT-4をOpenAIのAssistant API経由で提供するこのチューターは、新しいプロンプト戦略と、コンテキスト認識、パーソナライズ、カリキュラムに制約されたサポートを中学生に提供するために、モジュール化されたセマンティックタグ付きナレッジベースを採用している。
  論文  参考訳（メタデータ） (2025-12-08T12:54:37Z)
• EZYer: A simulacrum of high school with generative agent [9.01137030259017]
  提案する生成剤EZYerは構造化教材と動的ビームマーコースウェアを生成する。 本稿では,コンテンツ精度,知識カバレッジ,ユーザビリティ,フォーマットの正確性,視覚的デザイン,魅力の5次元評価指標を設計する。 その結果,EZYer生成コンテンツの品質は良好であり,応用可能性も高いことがわかった。
  論文  参考訳（メタデータ） (2025-12-02T09:28:59Z)
• UCO: A Multi-Turn Interactive Reinforcement Learning Method for Adaptive Teaching with Large Language Models [59.693733170193944]
  大規模言語モデル(LLM)は、教育環境において、回答提供者からインテリジェントな家庭教師へとシフトしている。 最近の強化学習アプローチはこの制限に対処するが、2つの重要な課題に直面している。 これらの課題に対処するために一方向認知最適化法(UCO)を提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:27:02Z)
• Prompt-to-Primal Teaching [0.0]
  本稿では,P2P(Prompt-to-Primal)指導について紹介する。 P2P教育では、学生が生成するAIプロンプトは、授業における調査と最初の議論のエントリーポイントとして機能し、インストラクターは学習者にAI反応の検証、挑戦、再構築を指導する。
  論文  参考訳（メタデータ） (2025-10-20T19:44:05Z)
• LearnLens: An AI-Enhanced Dashboard to Support Teachers in Open-Ended Classrooms [3.7748177458129852]
  ジェネレーティブAI(GenAI)-中学校科学における問題ベースの指導を支援するために設計された教師向けダッシュボード。 LearnLensは、学生のオープンエンドレスポンスをデジタルアセスメントから処理し、様々な洞察を提供する。
  論文  参考訳（メタデータ） (2025-09-11T23:06:54Z)
• Enabling Multi-Agent Systems as Learning Designers: Applying Learning Sciences to AI Instructional Design [6.080614844688028]
  本研究は,教育的専門知識を利用者のプロンプトからLLMの内部アーキテクチャへシフトさせる。 二次数学と理科の学習活動を生成するための3つのシステムを検証した。
  論文  参考訳（メタデータ） (2025-08-20T14:44:00Z)
• Alice: Proactive Learning with Teacher's Demonstrations for Weak-to-Strong Generalization [69.96794098855938]
  Weak-to-strong Generalization (W2SG)は、ますます有能な言語モデル(LLM)を監督するための有望なフレームワークを提供する。 伝統的なW2SG手法は受動的学習に依存しており、弱い教師は強い生徒を訓練するためにノイズの多いデモを提供する。 教師と生徒の相補的な知識を活用して学習プロセスを強化するフレームワークであるAliceを紹介した。
  論文  参考訳（メタデータ） (2025-04-09T22:33:06Z)
• YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
  本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。 モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。 実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-28T14:32:15Z)
• PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
  ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。 本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
  論文  参考訳（メタデータ） (2023-07-10T11:05:51Z)
• Distantly-Supervised Named Entity Recognition with Adaptive Teacher Learning and Fine-grained Student Ensemble [56.705249154629264]
  NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。 本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。 微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
  論文  参考訳（メタデータ） (2022-12-13T12:14:09Z)
• 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。