論文の概要: Using AI-Generated Feedback to Improve Critical Thinking and Writing Proficiency
- arxiv url: http://arxiv.org/abs/2608.05177v1
- Date: Fri, 26 Jun 2026 23:18:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.157549
- Title: Using AI-Generated Feedback to Improve Critical Thinking and Writing Proficiency
- Title（参考訳）: AI生成したフィードバックを使って批判的思考と筆記能力を改善する
- Abstract要約: 本研究では,学生エッセイにおけるテキスト論理と視点バイアスを対象とする人工知能(AI)フィードバックツールを開発した。
260名の中国人6年生を対象に3カ月間手術を行った。
- 参考スコア（独自算出の注目度）: 6.149976959301455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Research indicates students require customized written composition feedback to enhance critical thinking and writing competence, yet teachers face barriers to delivering timely personalized guidance due to heavy workloads. To address this gap, this study developed the Writing Improvement and Smart Evaluation Agent (WISE Agent), an artificial intelligence (AI) feedback tool targeting textual logic and perspective biases in student essays. We conducted a three-month intervention with 260 Chinese sixth-grade students, each completing seven themed essays and receiving targeted WISE Agent feedback shortly after submission. Assessment used a critical thinking rubric adapted from the California Critical Thinking Disposition Inventory (CCTDI), covering seven core dimensions including cognitive maturity and open-mindedness. Results indicate structural optimizations in critical thinking dimensions rather than a uniform increase in total scores. While the overall enhancement was non-significant, granular analysis revealed divergent developmental trajectories: lower-performing students advanced in evidence selection, while higher-performing students excelled in perspective diversification. This study suggests that WISE Agent serves as an effective cognitive scaffold, facilitating incremental critical thinking development through personalized feedback loops, providing a practical pathway for AI-supported critical thinking cultivation.
- Abstract（参考訳）: 研究によると、学生は批判的思考と筆記能力を高めるためにカスタマイズされた作曲フィードバックを必要とするが、教師は重労働のためにタイムリーにパーソナライズされたガイダンスを提供するための障壁に直面している。
このギャップに対処するために,学生エッセイにおけるテキスト論理と視点バイアスを対象とする人工知能(AI)フィードバックツールWISE Agentを開発した。
260人の中国人6年生を対象に3ヶ月の介入を行い,それぞれ7つのエッセイを完了し,提出直後のWISEエージェントのフィードバックを受信した。
評価は、認知の成熟度とオープンマインドネスを含む7つの中核的な次元をカバーする、CCTDI(California Critical Thinking Disposition Inventory)から適応した批判的思考ルーリックを使用した。
その結果、総得点の均一な増加よりも、批判的思考次元における構造的最適化が示唆された。
総合的な拡張は重要ではなかったが、粒状分析により、発達過程の相違が判明した: 成績の低い学生はエビデンス選択に進み、成績のよい生徒は視点の多様化に優れていた。
本研究は、WISE Agentが効果的な認知足場として機能し、パーソナライズされたフィードバックループによる漸進的批判的思考開発を促進し、AI支援型批判的思考育成の実践的経路を提供することを示唆している。
関連論文リスト
- Beyond Rating: A Comprehensive Evaluation and Benchmark for AI Reviews [69.66583722746904]
私たちは、AIレビュアーを5次元にわたって評価する総合的な評価フレームワークであるBeyond Ratingを紹介します。
本稿では,専門家の不一致に対応するためのMax-Recall戦略を提案する。
提案したテキスト中心の指標は、特に弱みの議論のリコールであり、評価精度と強く相関している。
論文 参考訳（メタデータ） (2026-04-21T14:21:15Z) - 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) - Critique-RL: Training Language Models for Critiquing through Two-Stage Reinforcement Learning [89.60378227969643]
より強力な監督を伴わないクオリティク言語モデルを開発するためのオンラインRLアプローチであるCrytique-RLを提案する。
提案手法は,アクターが応答を生成し,批評家がフィードバックを提供し,アクターがそれに応じて応答を洗練する,という2段階のパラダイムに基づいている。
さまざまなタスクやモデルに対する実験では、Cristique-RLが大幅なパフォーマンス改善を実現している。
論文 参考訳（メタデータ） (2025-10-28T11:37:01Z) - 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) - Pilot Study on Generative AI and Critical Thinking in Higher Education Classrooms [0.0]
ジェネレーティブAI(GAI)ツールは、教育環境において急速に採用されているが、批判的思考の促進における彼らの役割は、まだ解明されていない。
このパイロット研究は、導入型計算・データサイエンスコースにおける生成AI出力の評価において、構造化された批判的思考を適用する学生の能力について検討する。
論文 参考訳（メタデータ） (2025-08-29T18:07:11Z) - 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) - Beyond Detection: Designing AI-Resilient Assessments with Automated Feedback Tool to Foster Critical Thinking [0.0]
本研究は, 検出ではなく, 評価設計に基づく能動的AIレジリエントソリューションを提案する。
WebベースのPythonツールで、Bloomの分類と高度な自然言語処理技術を統合する。
これは、タスクがリコールや要約のような下位の思考や、分析、評価、作成といった上位のスキルを目標にしているかどうかを教育者が判断するのに役立つ。
論文 参考訳（メタデータ） (2025-03-30T23:13:00Z) - 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)
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。