論文の概要: Double-Edged Sword or Sharp Tool? Designing and Evaluating Triadic LLM-Teacher Collaboration for K-12 Writing at Scale

• arxiv url: http://arxiv.org/abs/2605.30200v1
• Date: Thu, 28 May 2026 16:37:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.540765
• Title: Double-Edged Sword or Sharp Tool? Designing and Evaluating Triadic LLM-Teacher Collaboration for K-12 Writing at Scale
• Title（参考訳）: ダブルエッジソードかシャープツールか? 大規模K-12書記のための3進LLM-Teacherコラボレーションの設計と評価
• Authors: Canran Wang, Yuwen Yang, Zhen Wang, Ming Ma, Ding Yu, Chentai Wang, Keman Huang, Xiaoyong Du,
• Abstract要約: 本論文は,2年間で20ドルの学校を対象に,10,195ドルの学生から5万7,954ドルのエッセイを収集した大規模実験データセットを提出する。 本研究は,戦略的労働部門を通した書字品質向上における本システムの有効性を確認した。 LLMと教師は双方ともスキル向上に欠かせないが,過剰な言語拡張が限界効用を減少させる天井効果を明らかにする。
• 参考スコア（独自算出の注目度）: 11.32308121092077
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The double-edged sword of integrating Large Language Models (LLMs) requires an effective triadic collaboration mechanism among LLMs, teachers and students, especially for K-12 education. By developing a triadic collaboration system to support K-12 writing learning, a multidimensional evaluation framework grounded in Systemic Functional Linguistics and the suggestion trajectory tracing pipeline, this paper contributes a large-scale empirical dataset involving $57,954$ essays from $10,195$ students across $120$ schools over two years. Our findings confirm the efficacy of this system in improving writing quality through a strategic labor division: the LLM serves as a generative engine to mitigate teacher burnout, and the teacher acts as a pedagogical gatekeeper and bridge to guarantee feedback quality. While both LLM and teacher are critical for skill improvement, we uncover a ceiling effect where excessive linguistic expansion yields diminishing marginal utility. These suggest a dynamically adaptive LLM-teacher collaboration as student proficiency increases.
• Abstract（参考訳）: 大規模言語モデル(LLM)を統合する二重刃の剣は、特にK-12教育において、LLM、教師、学生の間で効果的な三進的協調機構を必要とする。 そこで本研究では,K-12書字学習を支援する3次元協調システム,システム機能言語学を基盤とした多次元評価フレームワーク,および提案軌跡追跡パイプラインを開発することにより,2年間で20ドルの学校を対象に,10,195ドルの学生から5,954ドルのエッセイを含む大規模実験データセットを作成した。 LLMは,教師のバーンアウトを軽減するための生成エンジンとして機能し,教師は教育用ゲートキーパーやブリッジとして機能し,フィードバック品質を保証する。 LLMと教師は双方ともスキル向上に欠かせないが,過剰な言語拡張が限界効用を減少させる天井効果を明らかにする。 これらのことから,学生の習熟度が向上するにつれて,LLM-Teacherコラボレーションが動的に適応されることが示唆された。

関連論文リスト

• The Crutch or the Ceiling? How Different Generations of LLMs Shape EFL Student Writings [0.26097841018267615]
  本研究では,外国語(EFL)学生の文章作成作業を支援するために,Large Language Models (LLMs) の範囲と限界について検討する。 以上の結果から,LLMは低習熟度学習者に対する評価スコアと語彙の多様性を高めることが示唆された。 AI支援の実践を真の学習に転換するためには、教育はアウトプットの品質から学習プロセスの検証へとシフトする必要がある。
  論文  参考訳（メタデータ） (2026-04-16T18:19:46Z)
• PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors [66.56586559631516]
  大型言語モデル (LLM) は教育教師としての可能性を秘めている。 しかし、異なる学習戦略は、異なる学生の個性に利益をもたらす。 それにもかかわらず、現在のLLM教育システムは生徒の性格特性を考慮に入れていない。
  論文  参考訳（メタデータ） (2026-01-13T10:17:26Z)
• Unified Reinforcement and Imitation Learning for Vision-Language Models [84.84277196012907]
  VLM(Vision-Language Models)は目覚ましい進歩を遂げているが、その大規模化によって資源制約のある環境では実用的でないことがしばしばある。 本稿では、強力で軽量なVLMを作成するために設計された、新規で効率的なトレーニングアルゴリズムであるUnified Reinforcement and Imitation Learning (RIL)を紹介する。
  論文  参考訳（メタデータ） (2025-10-22T07:12:14Z)
• EduDial: Constructing a Large-scale Multi-turn Teacher-Student Dialogue Corpus [59.693733170193944]
  EduDialは総合的な多ターン教師/学生対話データセットである。 EduDialは345のコアナレッジポイントをカバーし、教師と学生エージェントの対話によって生成された34,250の対話セッションで構成されている。
  論文  参考訳（メタデータ） (2025-10-14T18:18:43Z)
• 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)
• Let's Use ChatGPT To Write Our Paper! Benchmarking LLMs To Write the Introduction of a Research Paper [64.50822834679101]
  SciIGは、タイトル、抽象、および関連する作品からコヒーレントな紹介を生成するLLMの能力を評価するタスクである。 オープンソース (DeepSeek-v3, Gemma-3-12B, LLaMA 4-Maverick, MistralAI Small 3.1) およびクローズドソース GPT-4o システムを含む5つの最先端モデルを評価する。 結果は、特に意味的類似性と忠実性において、ほとんどのメトリクスにおいて、LLaMA-4 Maverickの優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-08-19T21:11:11Z)
• Alignment Drift in CEFR-prompted LLMs for Interactive Spanish Tutoring [0.0]
  本稿では,第二言語学習における適応型チューターとしてのLarge Language Models(LLMs)の可能性について検討する。 スペイン語の教師と学生の対話を,7Bから12Bまでの大きさの命令調整型オープンソースのLLMを用いてシミュレートした。 次に、チューターモデルからの出力を用いて、3つの習熟度レベルにわたるテキストの難易度を制御するCEFRベースのプロンプトの有効性を評価する。
  論文  参考訳（メタデータ） (2025-05-13T08:50:57Z)
• DistiLLM-2: A Contrastive Approach Boosts the Distillation of LLMs [58.4911494598431]
  DistiLLM-2は、教師の反応の可能性を同時に増加させ、生徒の反応を減少させる対照的なアプローチである。 実験の結果,DistiLLM-2は様々なタスクにまたがって高性能な学生モデルを構築するだけでなく,多様なアプリケーションをサポートすることがわかった。
  論文  参考訳（メタデータ） (2025-03-10T08:51:32Z)
• "Mistakes Help Us Grow": Facilitating and Evaluating Growth Mindset Supportive Language in Classrooms [40.71331474490306]
  大規模言語モデル(LLM)は、教師の成長マインドセット支援言語(GMSL)の使用を支援する自動化されたパーソナライズされたコーチングを提供する。 我々は174人の教師と1,006人の学生による大規模評価を行い、教師と学生がGMSLで訓練された教師とモデルリフレーミングを、成長マインドセットの育成と課題探究行動の促進に有効であると認識することを発見した。
  論文  参考訳（メタデータ） (2023-10-16T17:56:07Z)

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。