論文の概要: Methodologies for Improving the Quality of AI Tutoring in K-12 Education
- arxiv url: http://arxiv.org/abs/2608.11259v1
- Date: Fri, 07 Aug 2026 15:20:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.311627
- Title: Methodologies for Improving the Quality of AI Tutoring in K-12 Education
- Title（参考訳）: K-12教育におけるAIチューニングの質向上手法
- Authors: Tushar Udeshi, Anna Khazenzon, Kabir Khan, Nick Breen, RJ Corwin, Chris DiGiano, Kodi Weatherholtz, Marek Zaluski,
- Abstract要約: 我々は、K-12のためのAIによる教育の先駆けとして、Khanmigo(Khan Academy, 2023)の立ち上げを行った。
我々は、AI教育の質と学生のエンゲージメントを測定するのに使用しているメトリクスと、実施したさまざまな実験について説明する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many AI tutors leverage large language models (LLMs) today. Given that LLMs are opaque black boxes, robust evaluation and live experimentation to measure the impact of every change are essential. We pioneered AI-powered tutoring for K-12 with the launch of Khanmigo (Khan Academy, 2023). We describe the metrics we use to measure AI tutoring quality and student engagement as well as various experiments we have run. We highlight the changes that have moved our metrics, including models, prompting, personalization and agents.
- Abstract（参考訳）: 今日、多くのAI家庭教師が大規模言語モデル(LLM)を活用している。
LLMは不透明なブラックボックスであるため、すべての変化の影響を測定するための堅牢な評価とライブ実験が不可欠である。
私たちは、K-12のAI教育を先駆けて、Khanmigo(Khan Academy, 2023)を立ち上げました。
私たちは、AIのチューター品質と学生のエンゲージメントを測定するのに使用しているメトリクスと、実行しているさまざまな実験について説明します。
モデル、プロンプト、パーソナライゼーション、エージェントなど、メトリクスを移行した変更を強調します。
関連論文リスト
- Can Vision Language Models Be Adaptive in Mathematics Education? A Learner Model-based Rubric Study [12.884184999755325]
視覚言語モデル(VLM)は数学教育に採用され、学生はそれをパーソナライズされた指導のための学習支援として利用してきた。
現在のVLMは、数学のチュータータスクにおける異なる学習者プロファイルへの適応性に対する体系的な評価の枠組みを欠いている。
論文 参考訳（メタデータ） (2026-05-15T14:42:41Z) - Training LLM Agents to Empower Humans [67.80021254324294]
本稿では,人間のエンパワーメントの最大化に基づく支援言語モデルのチューニング手法を提案する。
我々のエンパワーメント最大化手法であるEmpowerは、オフラインのテキストデータのみを必要とする。
我々は,Empowerで訓練されたエージェントが,プログラミング問題に挑戦する人間プログラマの成功率を平均192%向上させることを示す。
論文 参考訳（メタデータ） (2025-10-15T16:09:33Z) - Conversational Education at Scale: A Multi-LLM Agent Workflow for Procedural Learning and Pedagogic Quality Assessment [13.95997720123007]
大規模言語モデル(LLM)は高度な仮想教育者と学習者を持ち、AI4EducationでNLPをブリッジする。
LLMを利用して対話型学習会話をシミュレートするマルチエージェントワークフローWikiHowAgentを提案する。
教師と学習エージェント、対話マネージャ、および評価装置を統合し、手続き的学習を促進し、教育的品質を評価する。
論文 参考訳（メタデータ） (2025-07-07T22:56:37Z) - TutorGym: A Testbed for Evaluating AI Agents as Tutors and Students [0.283600654802951]
TutorGymは、人工知能(AI)エージェントを既存の知的チューリングシステム(ITS)内でテストするための標準インターフェースである。
問題解決の各ステップでは、AIエージェントが教師や学習者として何をするかを尋ねられる。
学生として、エージェントはITS命令から直接学習し、その誤りや学習軌跡を学生データと比較することができる。
論文 参考訳（メタデータ） (2025-05-02T20:03:21Z) - Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。
Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
論文 参考訳（メタデータ） (2024-11-05T23:55:23Z) - Can Active Label Correction Improve LLM-based Modular AI Systems? [0.8057006406834466]
GPT-3.5アノテートした3つのデータセットのノイズと,その騒音を人間のフィードバックで分析する。
本稿では,トレーニングデータセットに3つの更新を反復的に適用する新しいALC3を提案する。
論文 参考訳（メタデータ） (2024-01-10T14:41:37Z) - Weighted Ensemble Self-Supervised Learning [67.24482854208783]
組み立ては、モデルパフォーマンスを高めるための強力なテクニックであることが証明されている。
我々は,データ依存型重み付きクロスエントロピー損失を許容するフレームワークを開発した。
提案手法は、ImageNet-1K上での複数の評価指標において、両者に優れる。
論文 参考訳（メタデータ） (2022-11-18T02:00:17Z)
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。