論文の概要: BoilerSketch: A TA-Supervised, Diagram-First GenAI Practice for Structured Diagrams in CS1/Early CS2
- arxiv url: http://arxiv.org/abs/2608.00844v1
- Date: Sat, 01 Aug 2026 19:52:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.955837
- Title: BoilerSketch: A TA-Supervised, Diagram-First GenAI Practice for Structured Diagrams in CS1/Early CS2
- Title（参考訳）: BoilerSketch: CS1/Early CS2における構造化ダイアグラムのためのTA-Supervised, Diagram-First GenAIプラクティス
- Abstract要約: ほとんどのAI学習ツールは、テキストフォワードのままで、正確で教育学的に有用なビジュアルを作り出すには信頼できない。
BoilerSketchはこのギャップを、チャットと学生のスケッチのためのペン対応ホワイトボードを組み合わせたデュアルパネルインタラクションモデルを通じて解決する。
学術的完全性を維持するため、システムは概念的説明に意図的にスコープされる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This innovative practice full paper presents BoilerSketch, a TA-supervised, diagram-first GenAI practice and tablet interface for providing structured visual explanations in CS1 and early CS2 support settings. Large early computing courses routinely face a support bottleneck during labs and office hours because many student questions are best answered with a diagram rather than additional text, yet most AI tutoring tools remain text-forward and unreliable at producing accurate, pedagogically useful visuals. BoilerSketch addresses this gap through a dual-pane interaction model that combines chat with a pen-enabled whiteboard for student sketches and a prompting strategy that constrains the model to generate structured, renderable Mermaid diagrams rather than free-form images. To preserve academic integrity, the system is intentionally scoped to conceptual explanation: it forbids executable code and code-level debugging and uses a human-in-the-loop workflow in which teaching assistants remain accountable supervisors who can monitor sessions and intervene when responses require correction, deeper probing, or escalation to live help. We report a 45-minute expert evaluation with 21 instructional staff from a large programming course who used BoilerSketch on representative questions and completed a post-use survey. Two-thirds rated the system at least moderately helpful for conceptual understanding and at least moderately useful for typical support tasks. Staff saw the strongest value in routine diagram-based explanations and noted limits in diagram depth and applicability to more advanced topics. We conclude with practical guidance for adopting supervised, diagram-first GenAI support in early computing courses, emphasizing scope-and-escalation rules, prompt-as-policy guardrails, and reliable structured diagram rendering.
- Abstract（参考訳）: この革新的なプラクティスフルペーパーでは、CS1と初期のCS2サポート設定で構造化された視覚的説明を提供するための、TA教師付きダイアグラムファーストのGenAIプラクティスとタブレットインターフェースであるBoilerSketchが紹介されている。
多くの学生の質問は追加のテキストではなくダイアグラムで答えられるのが最適だが、ほとんどのAIチューターツールはテキストフォワードであり、正確な、教育学的に有用なビジュアルを生成するには信頼できない。
BoilerSketchはこのギャップに、チャットと学生スケッチのためのペン対応ホワイトボードを組み合わせたデュアルパネルインタラクションモデルと、自由形式の画像ではなく、構造化されたレンダリング可能なマーメイド図を生成するようにモデルを制約するプロンプト戦略を通じて対処する。
実行可能コードとコードレベルのデバッグを禁止し、ヒューマン・イン・ザ・ループのワークフローを使用して、アシスタントが説明責任を持ちながらセッションを監視し、レスポンスが修正、より深い調査、エスカレーションを必要とする場合に介入することができる。
代表的な質問に対してBoilerSketchを用いた大規模プログラミングコースの21名の指導要員を対象に,45分間の専門的評価を行った。
システムの3分の2は、概念理解に少なくとも適度に役立ち、典型的なサポートタスクに少なくとも適度に役に立つと評価している。
スタッフは、通常の図ベースの説明で最も価値があり、より高度なトピックにダイアグラムの深さと適用性に限界があることを指摘した。
我々は、初期のコンピューティングコースにおける教師付きダイアグラムファーストのGenAIサポートの採用、スコープ・アンド・エスカレーションルール、プロンプト・ア・ポリティクスガードレール、信頼性のある構造化ダイアグラムレンダリングの実践的なガイダンスで結論付けた。
関連論文リスト
- GeoDial: A Multimodal Conversational Tutoring Dataset for Geometry Problem-Solving with Visual Tutor Turns [55.28321614854968]
幾何学領域における1.3K以上の教師-学生対話のデータセットであるGeoDialを紹介する。
本稿では,対話行動,視覚的ハイライト,フィードバックを統合したスケーラブルなアノテーションプロトコルを提案する。
論文 参考訳（メタデータ） (2026-05-08T10:54:32Z) - Drawing Your Programs: Exploring the Applications of Visual-Prompting with GenAI for Teaching and Assessment [0.32622301272834514]
我々は、このテキスト中心の焦点が、問題分解図などのGenAIモデルを促進する他の形態を見落としていると論じる。
我々は、現在のモデルが学生が構築した図からコードを生成する能力に非常に成功したことを実証する。
論文 参考訳（メタデータ） (2026-02-11T04:59:31Z) - Proactive Agentic Whiteboards: Enhancing Diagrammatic Learning [1.338174941551702]
我々はDrawDashを紹介した。DrawDashはAIを利用したホワイトボードアシスタントで、マルチモーダル理解を通じて教育図を積極的に完成し、洗練する。
我々はDrawDashを,コンピュータ科学やWeb開発から生物学まで,4つの多様な教育シナリオにまたがって紹介する。
本研究は, 教師の認知負荷軽減と, リアルタイム, 音声駆動型視覚支援による図に基づく教育改善を早期に検討し, 形式的教室評価のための現在の限界と方向性について考察した。
論文 参考訳（メタデータ） (2025-12-01T03:20:12Z) - Instance-Aware Graph Prompt Learning [71.26108600288308]
本稿では,インスタンス対応グラフプロンプト学習(IA-GPL)について紹介する。
このプロセスでは、軽量アーキテクチャを使用して各インスタンスの中間プロンプトを生成する。
複数のデータセットと設定で実施された実験は、最先端のベースラインと比較して、IA-GPLの優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-11-26T18:38:38Z) - IntCoOp: Interpretability-Aware Vision-Language Prompt Tuning [94.52149969720712]
IntCoOpは、プロンプトチューニング中に属性レベルの帰納バイアスとクラス埋め込みを共同で調整することを学ぶ。
IntCoOpは10種類のデータセットの平均パフォーマンスを7.35%改善した。
論文 参考訳（メタデータ） (2024-06-19T16:37:31Z) - Attend and Enrich: Enhanced Visual Prompt for Zero-Shot Learning [114.59476118365266]
視覚表現豊か化のための意味強調プロンプトを抽出するための視覚的プロンプトに意味情報を付与するAENetを提案する。
AENetは、2つの重要なステップから構成される: 1) 視覚的・属性的モダリティの概念調和トークンを探索し、一貫した視覚的セマンティックな概念を表す様相共有トークンに基づく。
論文 参考訳（メタデータ） (2024-06-05T07:59:48Z) - PromptKD: Unsupervised Prompt Distillation for Vision-Language Models [40.858721356497085]
本稿では,教師モデルの知識を軽量ターゲットモデルに伝達することを目的とした,教師なしドメインプロンプト蒸留フレームワークを提案する。
本フレームワークは,2つの異なる段階から構成される。初期段階では,ドメイン(フェーショット)ラベルを用いて,大規模なCLIP教師モデルを事前訓練する。
その後の段階では、記憶されたクラスベクトルを教師と生徒の画像エンコーダ間で共有し、予測ロジットを算出する。
論文 参考訳（メタデータ） (2024-03-05T08:53:30Z) - Generalized Graph Prompt: Toward a Unification of Pre-Training and Downstream Tasks on Graphs [20.406549548630156]
GraphPromptは、グラフに関する新しい事前トレーニングおよびプロンプトフレームワークである。
トレーニング済みタスクとダウンストリームタスクを共通タスクテンプレートに統合する。
また、学習可能なプロンプトを使用して、トレーニング済みモデルから最も関連性の高い知識を見つけるために、下流タスクを支援する。
論文 参考訳（メタデータ） (2023-11-26T14:35:28Z) - SimTeG: A Frustratingly Simple Approach Improves Textual Graph Learning [131.04781590452308]
テキストグラフ学習におけるフラストレーションに富んだアプローチであるSimTeGを提案する。
まず、下流タスクで予め訓練されたLM上で、教師付きパラメータ効率の微調整(PEFT)を行う。
次に、微調整されたLMの最後の隠れ状態を用いてノード埋め込みを生成する。
論文 参考訳（メタデータ） (2023-08-03T07:00:04Z) - A Survey of Graph Prompting Methods: Techniques, Applications, and
Challenges [25.32529044997131]
ラベル付きデータに制限のある一般化可能なモデルを学習する手段として,「事前訓練,プロンプト,予測訓練」が人気を集めている。
複雑なタスクにおいて、プロンプトの設計は困難で時間を要するプロセスになり得る。
この調査は、将来の方法論開発を促進するために、グラフと設計の間のギャップを埋める。
論文 参考訳（メタデータ） (2023-03-13T16:49:43Z) - 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) - Can Semantic Labels Assist Self-Supervised Visual Representation
Learning? [194.1681088693248]
近隣環境におけるコントラスト調整(SCAN)という新しいアルゴリズムを提案する。
一連のダウンストリームタスクにおいて、SCANは従来の完全教師付きおよび自己教師付きメソッドよりも優れたパフォーマンスを達成する。
本研究は, セマンティックラベルが自己指導的手法の補助に有用であることを明らかにする。
論文 参考訳（メタデータ） (2020-11-17T13:25:00Z)
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。