論文の概要: The Effect of High-Frequency, Automatically-marked Formative Assessments on Student Outcomes in A-Level Sciences

• arxiv url: http://arxiv.org/abs/2607.23566v1
• Date: Sun, 26 Jul 2026 09:32:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.159574
• Title: The Effect of High-Frequency, Automatically-marked Formative Assessments on Student Outcomes in A-Level Sciences
• Title（参考訳）: Aレベル科学における高頻度自動定式化評価が学生の成果に及ぼす影響
• Abstract要約: 本研究では, このボトルネックを取り除くために, 準自動手書き評価プラットフォームの導入の有効性について検討した。 STEM Aレベルを準備する学生は、16週間の期間でコントロール(実験的,人間的マーキング)と介入(N = 72,自動マーキング)グループに分割された。 その結果, 介入群は最終モックA値において統計的に有意な改善を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Traditional human marking in upper-secondary STEM education creates a structural bottleneck that restricts the frequency of formative mock examinations. This quasi-experimental, mixed-methods longitudinal study (N = 142) investigates the efficacy of deploying a fully automated, handwritten assessment marking platform to remove this bottleneck. Students preparing for STEM A-levels (Mathematics, Further Mathematics, Biology, Chemistry, Physics) were divided into control (N = 70, human marking) and intervention (N = 72, automated marking) groups over a 16-week term. Results indicate that the intervention group achieved a statistically significant improvement in final mock A-level marks (p < .01), scoring on average 16.8% higher than the control group. Furthermore, assessment turnaround time dropped from 11.2 days to < 0.1 days, enabling a fourfold increase in practice volume. The automated system's capacity for granular marginalia, specifically its Error Carried Forward (ECF) logic, accelerated the correction of procedural misconceptions and significantly boosted student self-efficacy. Practically, these findings validate that automated marking systems serve as high-speed formative loop accelerators, providing international schools with a highly scalable, low-cost intervention to elevate institutional exam outcomes without necessitating increases in staff headcount.
• Abstract（参考訳）: 上部STEM教育における従来の人間のマーキングは、形式的モック検査の頻度を制限する構造的ボトルネックを生み出す。 この準実験・混合金属縦断的研究 (N = 142) は、このボトルネックを取り除くために、完全に自動化された手書き評価マーキングプラットフォームを配置するの有効性を調査する。 STEM Aレベル(数学、数学、生物学、化学、物理学)を準備する学生は、16週間の期間でコントロール(N = 70、人間マーキング)と介入(N = 72、自動マーキング)グループに分割された。 その結果、介入群は最終モックAレベルマーク(p < .01)の統計的に有意な改善を達成し、対照群よりも平均16.8%高いスコアを得た。 さらに、評価のターンアラウンド時間は11.2日から0.1日に短縮され、練習量も4倍に増加した。 特にECF(Error Carried Forward)論理は、手続き的誤解の修正を加速させ、学生の自己効力感を著しく向上させた。 これらの知見は, 自動マーキングシステムが高速なループ加速器として機能し, 海外の学校に対して, 職員の増員を必要とせず, 機関試験結果を高めるための, 高度にスケーラブルで低コストな介入を提供するものであることを実証した。

関連論文リスト

• UTOPYA: A Multimodal Deep Learning Framework for Physics-Informed Anomaly Detection and Time-Series Prediction [42.532335022354545]
  バッチプロセスにおける異常検出は、過渡的ダイナミクス、欠陥ラベルの不足、単一モードセンサデータへの依存によって妨げられる。 本研究は, バッチ蒸留における異常検出, 時系列予測, 位相分類を共同で扱うマルチモーダルフレームワークUTOPYAを紹介する。 本研究で導入された物理インフォームド正規化スキームは、時間的滑らかさと熱力学的モノトニクスを強制する。
  論文  参考訳（メタデータ） (2026-05-18T10:28:15Z)
• Evaluating Prompt Injection Defenses for Educational LLM Tutors: Security-Usability-Latency Trade-offs [51.56484100374058]
  ガードレールの設計には、敵の堅牢性、良質なタスクのユーザビリティ、応答レイテンシの明確なトレードオフが伴う。 決定論的パターンフィルタ,構造検証,コンテキストサンドボックス,セッションレベルの動作チェックを組み合わせた,ドメイン固有のマルチレイヤセーフガードパイプラインの評価を行った。 NeMoは16.22パーセントのFPRと1.5パーセントのレイテンシで0パーセントのバイパスに達し、Prompt Guardは38.48パーセントのFPRと3.60パーセントのバイパスを実現している。
  論文  参考訳（メタデータ） (2026-03-29T18:52:01Z)
• Stabilising Learner Trajectories: A Doubly Robust Evaluation of AI-Guided Student Support using Activity Theory [1.2234742322758418]
  本研究では,2つの頑健なスコアマッチングを用いて,大大学におけるAI指導学生支援システムの評価を行った。 以上の結果より,この介入が先天的な軌跡を効果的に安定化させたことが示唆された。 しかし, 資格取得速度への影響は, 統計的に有意であったが, 統計的に制限された。
  論文  参考訳（メタデータ） (2025-12-11T22:28:12Z)
• Hybrid Instructor Ai Assessment In Academic Projects: Efficiency, Equity, And Methodological Lessons [0.0]
  本研究では, インストラクターが指導する生成型人工知能(AI)による評価システムの実装について, 33 段階の油圧レポートに適用した。 その結果,88%の低下,733%の生産性向上がみられた。 システムは等しく、報告の長さに偏りがなく、信頼性の高い校正後であることがわかった。
  論文  参考訳（メタデータ） (2025-10-25T13:11:15Z)
• A Machine Learning-Based Framework to Shorten the Questionnaire for Assessing Autism Intervention [6.233625142245272]
  本研究では,評価の精度を維持しつつ,評価の短縮を図る,一般化可能な機械学習フレームワークを提案する。 進捗監視では,全スコア変化と全サブドメインカバレッジとの強い相関を保った16項目を特定した。 ポイント・イン・タイムの重大度評価では,13項目のみを用いて80%以上の分類精度を達成した。
  論文  参考訳（メタデータ） (2025-10-22T20:26:53Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• AutoSGD: Automatic Learning Rate Selection for Stochastic Gradient Descent [58.05410015124021]
  本稿では,SGD法であるAutoSGDを紹介する。 実験結果から,従来の最適化問題や機械学習タスクにおいて,この手法の強い性能が示唆された。
  論文  参考訳（メタデータ） (2025-05-27T18:25:21Z)
• A Novel Multi-Task Teacher-Student Architecture with Self-Supervised Pretraining for 48-Hour Vasoactive-Inotropic Trend Analysis in Sepsis Mortality Prediction [0.0]
  Masked Autoencoder (MAE) を用いた自己教師型セシスプレトレーニングによる教師学習型マルチタスクフレームワークを提案する。 教師モデルは死亡率分類と重度スコア回帰を行い、生徒は堅牢な時系列表現を蒸留する。 LSTM法と比較して,MIMIC-IV 3.0(9,476例)のAUROCは0。 我々の新しいマルチタスクと蒸留戦略は、リスクの高い患者の早期発見を可能にし、予測精度と疾患管理を改善し、ICU意思決定支援のための新しいツールを提供する。
  論文  参考訳（メタデータ） (2025-02-24T04:38:59Z)
• IFRA: a machine learning-based Instrumented Fall Risk Assessment Scale derived from Instrumented Timed Up and Go test in stroke patients [39.82556598631489]
  IFRA は Instrumented Fall Risk Assessment の略。 IFRAスケールで考慮される特徴は、歩行速度、座-歩行遷移中の垂直加速度、角速度の旋回である。 IFRAは、転倒者の半分以上を高リスク層に正しく割り当てる唯一の尺度である。
  論文  参考訳（メタデータ） (2025-01-16T15:20:22Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。