論文の概要: Critsly: An Artefact-Aware AI Critique Teammate for Design Education and Project-Based Learning
- arxiv url: http://arxiv.org/abs/2607.09673v1
- Date: Fri, 05 Jun 2026 08:40:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:12.992136
- Title: Critsly: An Artefact-Aware AI Critique Teammate for Design Education and Project-Based Learning
- Title（参考訳）: Critsly:デザイン教育とプロジェクトベース学習のための人工知能批判チームメイト
- Authors: Nizam Kadir, Juan David Salazar Rodriguez, Sumaiyya Al,
- Abstract要約: Critslyはアーティファクトを意識したAI批判ワークスペースである。
AIを分離したフィードバックツールから、学習者のボードコンテキストにおける批判的なチームメイトに変える。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Critique is central to design education and project-based learning, yet high-quality critique is often scarce, uneven, hard to document, and disconnected from evolving artefacts. We present Critsly, an artefact-aware AI critique workspace that turns AI from a detached feedback tool into a critique teammate in the learner's board context. Critsly combines a visual design canvas with structured AI-supported reflection, multi-perspective critique, action planning, optional peer/jury settings, and educator evidence traces. Unlike chatbot feedback tools that rely on isolated text prompts, Critsly grounds critique in a structured board state containing design intentions, board elements, annotations, links, and prior critique history. Reflecture, Critsly's guided reflection flow, works with Six Thinking Hats-inspired personas, board synthesis, generated action plans, exportable critique records, and educator evidence views in one workflow. The demo follows a learner from design intention to board-aware critique, persona-based evaluation, action-plan generation, and educator-facing evidence. Critsly contributes a working example of AI-supported critique that is more frequent, structured, inspectable, and actionable for learners and educators.
- Abstract（参考訳）: 批判は、デザイン教育とプロジェクトベースの学習の中心であるが、高品質な批判は、しばしば不足し、不均一で、文書化が困難であり、進化する人工物から切り離されている。
私たちは、人工知能を分離したフィードバックツールから学習者のボードコンテキストにおける批判的チームメイトに変える、アーティファクト対応のAI批判ワークスペースであるCritslyを紹介します。
Critslyはビジュアルデザインキャンバスと、構造化されたAIサポートされたリフレクション、マルチパースペクティブな批判、アクションプランニング、オプションのピア/ジャイ設定、教育者のエビデンストレースを組み合わせる。
孤立したテキストプロンプトに依存するチャットボットのフィードバックツールとは異なり、Critslyはデザイン意図、ボード要素、アノテーション、リンク、および以前の批判履歴を含む構造化されたボード状態に批判を基礎付ける。
CritslyのガイドによるリフレクションフローであるReflectureは、Six Thinking Hatsにインスパイアされたペルソナ、ボード合成、生成されたアクションプラン、エクスポート可能な批評記録、教育者のエビデンスビューをひとつのワークフローで扱う。
デモでは、設計意図から、ボードアウェアな批判、ペルソナに基づく評価、アクションプラン生成、教育者向けエビデンスまで、学習者がフォローする。
批判は、より頻繁に、構造化され、検査可能で、学習者と教育者にとって実行可能なAI支援の批判の実践的な例に貢献する。
関連論文リスト
- Generative AI Feedback, English Writing and Teacher Rubrics: A Multiple-Case Study of CyberScholar [0.11184789007828978]
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。
論文 参考訳（メタデータ） (2026-05-16T15:55:39Z) - Draw2Learn: A Human-AI Collaborative Tool for Drawing-Based Science Learning [0.0]
描画はメンタルモデルを外部化することで学習をサポートするが、スケールでのタイムリーなフィードバックの提供は依然として難しい。
我々はDraw2Learnについて紹介する。Draw2Learnは、ドローベース学習においてAIが支援的なチームメイトとして振舞う方法を探求するシステムである。
論文 参考訳（メタデータ） (2026-02-02T00:06:08Z) - 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) - 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) - Writing With Machines and Peers: Designing for Critical Engagement with Generative AI [5.719812010814006]
本研究では,大学院レベルの書記活動において,AIとピアフィードバックを統合した教育設計を提案する。
学生は複数の執筆と修正段階を通じて文献レビュープロジェクトを開発し、カスタムビルドのAIレビュアーと人間ピアからのフィードバックを受けた。
論文 参考訳（メタデータ） (2025-11-19T02:17:42Z) - Toward LLM-Supported Automated Assessment of Critical Thinking Subskills [0.7768012939205664]
批判的思考の根底にある「サブスキル」の測定の可能性を検討する。
我々は,学生エッセイのコーパスのための,確立したスキル進歩と完全な人間のコーディングに基づくコーディングルーリックを開発する。
我々は、ゼロショットプロンプト、少数ショットプロンプト、教師付き微調整の3つの異なる自動スコアリングアプローチを評価した。
論文 参考訳（メタデータ） (2025-10-14T18:36:19Z) - Help Me Write a Story: Evaluating LLMs' Ability to Generate Writing Feedback [57.200668979963694]
我々は1,300のストーリーからなる新しいテストセットを提示し、故意に執筆問題を紹介した。
本研究では,この作業においてよく用いられるLCMの性能を,自動評価と人的評価の両方を用いて検討する。
論文 参考訳（メタデータ） (2025-07-21T18:56:50Z) - Training Language Model to Critique for Better Refinement [58.73039433159486]
textbfRefinement-oriented textbfCritique textbfOptimization (RCO)を導入する。
RCOは、批評家モデルによって生成された批評がアクターモデルに応答を洗練させるためのフィードバックループを使用する。
より良い改善につながる批判に焦点を当てることで、RCOは直接的な批判的嗜好評価の必要性を排除している。
論文 参考訳（メタデータ） (2025-06-27T12:10:57Z) - Form-Substance Discrimination: Concept, Cognition, and Pedagogy [55.2480439325792]
本稿では,高等教育におけるカリキュラム開発に欠かせない学習成果として,フォーム・サブスタンス・差別について検討する。
本稿では,カリキュラム設計,評価実践,明示的な指導を通じて,この能力を育成するための実践的戦略を提案する。
論文 参考訳（メタデータ） (2025-04-01T04:15:56Z) - Self-Evolving Critique Abilities in Large Language Models [59.861013614500024]
本稿では,Large Language Models (LLM) の批判能力の向上について検討する。
SCRITは、LCMを自己生成データで訓練し、批判能力を進化させるフレームワークである。
分析の結果,SCRITの性能はデータやモデルサイズと正の相関関係にあることが明らかとなった。
論文 参考訳（メタデータ） (2025-01-10T05:51:52Z) - STRICTA: Structured Reasoning in Critical Text Assessment for Peer Review and Beyond [68.47402386668846]
本研究では,テキストアセスメントをステップワイド推論プロセスとしてモデル化するために,Structured Reasoning In Critical Text Assessment (STRICTA)を導入する。
STRICTAは、因果性理論に基づく相互接続推論ステップのグラフに評価を分解する。
約40人のバイオメディカル専門家が20以上の論文について4000以上の推論ステップのデータセットにSTRICTAを適用した。
論文 参考訳（メタデータ） (2024-09-09T06:55:37Z)
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。