論文の概要: Generative AI Feedback, English Writing and Teacher Rubrics: A Multiple-Case Study of CyberScholar
- arxiv url: http://arxiv.org/abs/2605.17055v1
- Date: Sat, 16 May 2026 15:55:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:47.514433
- Title: Generative AI Feedback, English Writing and Teacher Rubrics: A Multiple-Case Study of CyberScholar
- Title（参考訳）: ジェネレーティブAIのフィードバック、英語の文章と教師のラブラックス:サイバースカラーのマルチケース研究
- Authors: Raigul Zheldibayeva, Ana Karina de Oliveira Nascimento, Vania Castro, Bill Cope, Mary Kalantzis,
- Abstract要約: 調査では、米国中・高校5校を対象に、143人の学生と7年生から11年生の5人の教師が対象となった。
学生はCyberScholarの即時的でルーリックなフィードバックを高く評価し、書き直しの際の改善に気付きました。
しかし、参加者は自動評価システムの不整合と、時には課題の期待との不一致を指摘した。
- 参考スコア（独自算出の注目度）: 0.11184789007828978
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This multiple-case study examined the potential of a Generative AI (GenAI) tool, CyberScholar, to support K-12 students' writing across disciplines. This tool integrates teacher-provided rubrics, materials, and exemplars through Retrieval-Augmented Generation (RAG), producing criterion-specific formative feedback and ratings. The study involved 143 students and five teachers in grades 7 through 11 across five U.S. middle and high schools. Data sources included classroom observations, student post-surveys (n = 79), student focus group interviews (n = 18), and teacher surveys (n = 5). Qualitative analysis followed two cycles of coding to identify patterns within and across cases. Findings indicate that students valued CyberScholar's immediate, rubric-based feedback and noticed improvements in their writing as they revised, using it to refine organization, elaboration, and style. They also highlighted the tool's interactive, iterative qualities, which fostered revision and reduced reliance on teacher feedback. However, participants noted inconsistencies in the automated rating system and occasional misalignment with assignment expectations. Teachers reported that CyberScholar saved time on feedback and supported more targeted, higher-order instructional practices. The study underscores the promise of rubric-grounded GenAI formative feedback for developing writing skills, while emphasizing the need for human oversight, calibration of automated ratings, and attention to contextual factors shaping adoption.
- Abstract（参考訳）: このマルチケーススタディは、K-12の学生が教科にまたがって書くことを支援するために、ジェネレーティブAI(GenAI)ツールであるCyberScholarの可能性を調査した。
このツールは、教師が提供したルーリック、材料、および模範を検索・拡張生成(RAG)を通じて統合し、基準固有の形式的フィードバックと評価を生成する。
調査では、米国中・高校5校を対象に、143人の学生と7年生から11年生の5人の教師が対象となった。
資料は, 教室観察, 学生調査後調査(n=79), 学生焦点グループインタビュー(n=18), 教員調査(n=5。
定性的分析は、ケース内およびケース間のパターンを特定するために、コーディングの2サイクルを経た。
調査の結果、学生はCyberScholarの即時的でルーリックなフィードバックを高く評価し、書き直しによる改善に気付き、それを組織、実験、スタイルの洗練に利用した。
彼らはまた、ツールのインタラクティブで反復的な品質を強調し、リビジョンを奨励し、教師のフィードバックへの依存を減らした。
しかし、参加者は自動評価システムの不整合と、時には課題の期待との不一致を指摘した。
教師は、CyberScholarがフィードバックの時間を節約し、よりターゲットを絞った高次の教育実践を支援したと報告した。
この研究は、人間の監視の必要性、自動評価のキャリブレーション、文脈的要因への注意を強調しつつ、筆記スキル開発のためのルーリックグラウンドのGenAI形式フィードバックの約束を強調している。
関連論文リスト
- MAIC-UI: Making Interactive Courseware with Generative UI [55.66338307665182]
本研究では,ゼロコードオーサリングシステムであるMAIC-UIを提案する。
MAIC-UIは、多モーダル理解を用いた構造化知識分析を用いて、教育的厳密性を確保する。
論文 参考訳（メタデータ） (2026-04-28T16:15:04Z) - Understanding Teacher Revisions of Large Language Model-Generated Feedback [0.8039067099377077]
我々は117人の教師からAIによるフィードバックとそれに対応する教師による説明の1,349の事例を分析した。
教師は、約80%のケースで修正なしにAIフィードバックを受け取っているのに対し、編集されたフィードバックは大幅に長くなり、その後、教師によって短縮される傾向にある。
入力機能としてのAIフィードバックテキストのみに基づいてトレーニングされた機械学習モデルは、どのフィードバックが修正されるかを特定する上で、公正なパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-03-29T18:41:00Z) - ScholarPeer: A Context-Aware Multi-Agent Framework for Automated Peer Review [48.60540055009675]
ScholarPeerは、上級研究者の認知過程をエミュレートするために設計された、検索可能なマルチエージェントフレームワークである。
We evaluate ScholarPeer on DeepReview-13K and the results showed that ScholarPeer achieve significant win-rates against state-of-the-art approach in side-side-side evaluations。
論文 参考訳（メタデータ） (2026-01-30T06:54:55Z) - Exposía: Academic Writing Assessment of Exposés and Peer Feedback [56.428320613219306]
高等教育における文章とフィードバックアセスメントを結びつける最初の公開データセットであるExposaを提示する。
我々はExposaを使って,(1)提案の自動スコアリング,(2)学生レビューの2つのタスクに対して,最先端のオープンソース大言語モデル(LLM)をベンチマークする。
論文 参考訳（メタデータ） (2026-01-10T11:33:26Z) - Examining Student Interactions with a Pedagogical AI-Assistant for Essay Writing and their Impact on Students Writing Quality [4.112932467662682]
学生とGenAIの相互作用のダイナミックな性質と書字品質との関係は未解明のままである。
我々は,高学年の論文執筆を支援するため,GenAI主導のエッセイライティングアシスタント(EWA)の評価を行った。
論文 参考訳（メタデータ） (2025-12-09T13:34:33Z) - From Coders to Critics: Empowering Students through Peer Assessment in the Age of AI Copilots [3.3094795918443634]
本稿では,大規模プログラミングコースで実装されたルーリックベースで匿名化されたピアレビュープロセスについて,実証的研究を行う。
学生同士の最終プロジェクト(2Dゲーム)を評価し,その評価を,相関,平均絶対誤差,根平均二乗誤差(RMSE)を用いたインストラクターの成績と比較した。
その結果、ピアレビューは、インストラクターの評価を適度な精度で近似し、学生のエンゲージメント、評価的思考、そして仲間に良いフィードバックを提供することへの関心を高めることができた。
論文 参考訳（メタデータ） (2025-05-28T08:17:05Z) - Generative AI in K-12 Education: The CyberScholar Initiative [1.3461796810226618]
本稿では,K-12コンテキストにおける書込みの形式的フィードバックの提供を目的とした,ジェネレーティブAIアシスタントツールであるCyberScholarのパイロット化に焦点を当てる。
本研究は、英語、社会学、近代世界史の授業など、様々な分野において、学生がサイバースカラーとどのように協力するかを考察する。
論文 参考訳（メタデータ） (2025-01-28T18:23:03Z) - 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) - Automated Distractor and Feedback Generation for Math Multiple-choice
Questions via In-context Learning [43.83422798569986]
マルチチョイス質問(MCQ)は、管理しやすく、格付けし、信頼性の高い評価形式であるため、ほぼ全てのレベルの教育においてユビキタスである。
これまで、高品質なイントラクタを作るというタスクは、教師やコンテンツデザイナーを学ぶための労働集約的なプロセスのままだった。
本稿では,テキスト内学習をベースとした簡易な学習手法を提案する。
論文 参考訳（メタデータ） (2023-08-07T01:03:04Z) - 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)
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。