論文の概要: PromptDecipher: Supporting AI Tutor Authoring Through Editable Simulated Interactions
- arxiv url: http://arxiv.org/abs/2605.16605v1
- Date: Fri, 15 May 2026 20:13:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:46.798981
- Title: PromptDecipher: Supporting AI Tutor Authoring Through Editable Simulated Interactions
- Title（参考訳）: PromptDecipher: 編集可能なシミュレートインタラクションによるAIチュートリアルオーサリングのサポート
- Authors: Miina Koyama, Ruiwei Xiao, John Stamper,
- Abstract要約: 私たちのフォーマティブな研究によると、学生にボットをデプロイする前に、体系的にボットをテストした人はほとんどいなかった。
本稿では,直接修正に基づくインタラクションのワークフローを再構築するシステムであるPromptDecipherを紹介する。
PromptDecipherは、教育者のためのAIコースにデプロイされ、数百人の高等教育インストラクターを登録する。
- 参考スコア（独自算出の注目度）: 1.9626565809424965
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chatbots have long been explored as tools to support learning, and recent advances in large language models have significantly expanded the availability of platforms for educators to author AI tutoring chatbots. Yet effective authorship demands more than writing a system prompt; it requires educators to act as learning designers, AI interaction designers, and QA engineers. In practice, however, teachers rarely fulfill these roles. Our formative study found that virtually none systematically tested their bots before deploying them to students. To address this gap, we present PromptDecipher, a system that restructures the authoring workflow around a direct correction-based interaction rather than writing abstract system prompts, teachers interact with a live chat preview and edit undesirable bot responses. An automated pipeline then analyzes the correction, proposes a targeted system prompt rewrite, and validates the change across pre-defined test scenarios. This enforces QA as a first-class activity and scaffolds teachers in roles they would otherwise skip. PromptDecipher will be deployed in an AI for Educators course enrolling hundreds of higher-education instructors. A live prototype (https://teacher-prompting.vercel.app/), an anonymized codebase (https://anonymous.4open.science/r/teacher-prompting-2EDF/), and anonymized demo (https://tinyurl.com/las-prompt-decipher-demo) are available via links in the footnote.
- Abstract（参考訳）: チャットボットは長年、学習を支援するツールとして研究されてきたが、大規模言語モデルの最近の進歩により、教育者がAI教育チャットボットを作成できるプラットフォームが大幅に拡張された。
教育者は、学習デザイナー、AIインタラクションデザイナ、およびQAエンジニアとして振る舞う必要がある。
しかし実際には、教師がこれらの役割を果たすことは滅多にない。
私たちのフォーマティブな研究によると、学生にボットをデプロイする前に、体系的にボットをテストした人はほとんどいなかった。
このギャップに対処するために,教師がチャットのプレビューを作成して,望ましくないボット応答を編集する,抽象的なシステムプロンプトを書くのではなく,直接修正ベースのインタラクションを中心としたオーサリングワークフローを再構築するシステムであるPromptDecipherを提案する。
自動パイプラインが修正を分析し、ターゲットシステムのプロンプトをリライトし、事前に定義されたテストシナリオ間で変更を検証する。
これはQAを第一級の活動として実施し、教師が欠席する役割を担っている。
PromptDecipherは、教育者のためのAIコースにデプロイされ、数百人の高等教育インストラクターを登録する。
ライブプロトタイプ(https://teacher-prompting.vercel.app/)、匿名化されたコードベース(https://anonymous.4open.science/r/teacher-prompting-2EDF/)、匿名化されたデモ(https://tinyurl.com/las-prompt-decipher-demo)は、フットノートのリンクから利用できる。
関連論文リスト
- Prober.ai: Gated Inquiry-Based Feedback via LLM-Constrained Personas for Argumentative Writing Development [0.5352419666794658]
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。
論文 参考訳（メタデータ） (2026-05-07T02:32:01Z) - 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) - Students' Feedback Requests and Interactions with the SCRIPT Chatbot: Do They Get What They Ask For? [0.0]
生成AI(GenAI)と関連するプログラミング教育ツールに関する先行研究に基づいて,初等学習者を支援するためのSCRIPTを開発した。
SCRIPTは、事前に定義されたプロンプトを通じて、オープンエンドのインタラクションと構造化されたガイダンスを可能にする。
学生がSCRIPTとどのように相互作用するかを,フィードバックの好みに焦点をあてて分析した。
論文 参考訳（メタデータ） (2025-07-23T06:56:26Z) - "My Grade is Wrong!": A Contestable AI Framework for Interactive Feedback in Evaluating Student Essays [6.810086342993699]
本稿では,対話型フィードバックを自動生成するContestable AI Empowered LLM FrameworkであるCAELFを紹介する。
CAELFは、マルチエージェントシステムと計算的議論を統合することで、学生がフィードバックをクエリし、挑戦し、明確化することができる。
ユーザスタディを用いた500の批判的思考エッセイのケーススタディでは,CAELFが対話的フィードバックを大幅に改善することが示された。
論文 参考訳（メタデータ） (2024-09-11T17:59:01Z) - WIP: A Unit Testing Framework for Self-Guided Personalized Online Robotics Learning [3.613641107321095]
本稿では,授業ワークフローに統合しながら,単体テストのためのシステムを構築することに焦点を当てる。
フレームワークのパーソナライズされた学生中心のアプローチに合わせて、この方法は学生がプログラミング作業を簡単に修正し、デバッグできるようにする。
単体テストを含むコースワークフローは、学習環境を強化し、学生が自己指導型でロボットをプログラムする方法を学習できるように、よりインタラクティブにする。
論文 参考訳（メタデータ） (2024-05-18T00:56:46Z) - Build-a-Bot: Teaching Conversational AI Using a Transformer-Based Intent
Recognition and Question Answering Architecture [15.19996462016215]
本稿では、自然言語パイプラインを用いて、独自の学校カリキュラムに基づく質問に答えるためにカスタマイズされたモデルを訓練することで、人工知能の原理を学習するためのインタフェースを提案する。
このパイプラインは、AIエージェントを作成しながら、これらのプロセスのそれぞれを通じて、学生のデータ収集、データ拡張、意図認識、質問応答を教える。
論文 参考訳（メタデータ） (2022-12-14T22:57:44Z) - TEMPERA: Test-Time Prompting via Reinforcement Learning [57.48657629588436]
強化学習(TEMPERA)を用いたテスト時間プロンプト編集を提案する。
従来のプロンプト生成手法とは対照的に、TEMPERAは事前知識を効率的に活用することができる。
本手法は従来の微調整法と比較して試料効率の平均改善率を5.33倍に向上させる。
論文 参考訳（メタデータ） (2022-11-21T22:38:20Z) - Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。
現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。
グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
論文 参考訳（メタデータ） (2021-10-15T14:36:45Z) - 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) - SOLOIST: Building Task Bots at Scale with Transfer Learning and Machine
Teaching [81.45928589522032]
トランスフォーマーに基づく自動回帰言語モデルを用いて,モジュール型タスク指向対話システムをパラメータ化する。
タスクグラウンド応答生成モデルである異種ダイアログコーパスの事前学習を行う。
実験により、SOLOISTは、よく研究されたタスク指向のダイアログベンチマーク上で、新しい最先端のダイアログを生成する。
論文 参考訳（メタデータ） (2020-05-11T17:58:34Z)
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。