論文の概要: Structure and Implementation of New Practical English Textbooks Driven by Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2609.02981v1
- Date: Wed, 02 Sep 2026 13:10:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.810467
- Title: Structure and Implementation of New Practical English Textbooks Driven by Artificial Intelligence
- Title（参考訳）: 人工知能による新しい実践英語教科書の構造と実装
- Abstract要約: 本稿では,人工知能を活用した新しい実践的な英語教科書の構造と応用について検討する。
試作機は186人の非英語の大学生を対象に8週間の授業で試験された。
- 参考スコア（独自算出の注目度）: 9.740461758804885
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Artificial intelligence is changing the form of applied English materials from fixed paper sequences to adaptive learning systems that can diagnose learners, recommend tasks, and provide formative feedback. This paper studies the structure and application of a new practical English textbook driven by artificial intelligence. A five-layer architecture is proposed: knowledge mapping, learner profiling, task generation, feedback orchestration, and teacher-side governance. A prototype was tested on 186 non-English-major undergraduates for eight weeks of teaching. Compared with a static digital textbook, the proposed system increased the unit completion accuracy from 72.4% to 84.9%, raised the average score for speaking tasks by 10.8 points, and reduced the teacher's correction time by 31.6%. Therefore, an AI-driven textbook can maintain the stability of the curriculum while providing personalised learning paths, rich practice materials and traceable classroom data.
- Abstract（参考訳）: 人工知能は、応用英語教材の形式を、固定紙シーケンスから、学習者を診断し、タスクを推奨し、形式的なフィードバックを提供する適応学習システムに変更している。
本稿では,人工知能を活用した新しい実践的な英語教科書の構造と応用について検討する。
知識マッピング、学習者プロファイリング、タスク生成、フィードバックオーケストレーション、教師側のガバナンスという5層アーキテクチャが提案されている。
試作機は186人の非英語の大学生を対象に8週間の授業で試験された。
静的デジタル教科書と比較すると, 単位完了精度は72.4%から84.9%に向上し, 10.8ポイントに向上し, 教師の修正時間を31.6%に短縮した。
したがって、AIによる教科書は、個人化された学習パス、豊富な実践材料、トレース可能な教室データを提供しながら、カリキュラムの安定性を維持することができる。
関連論文リスト
- AI Slop or AI-enhancement? Student perceptions of AI-generated media for an English for Academic Purposes course [15.537382882048066]
本報告では,香港コミュニティカレッジの英語学習目的コースにおける教師によるAIによる補足教材の開発,実装,評価について報告する。
インストラクターは、ビデオ、ポッドキャスト、インフォグラフィック、および外国語学習者として106人の英語学習者を対象に、コース資料から個別化されたフィードバックレポートを生成した。
学生は、視覚的およびマルチモーダルなフォーマットで提示された評価関連コンテンツを評価し、有用性と使いやすさを高く評価した。
論文 参考訳（メタデータ） (2026-04-08T09:47:35Z) - From Domain Understanding to Design Readiness: a playbook for GenAI-supported learning in Software Engineering [0.4737991126491217]
そこでは29人の生徒が暗号化の基礎を学ぶためにカスタマイズされたChatGPTチューターを使用していた。
その結果,genAIが支援する学習はドメイン理解とモデリングタスクの指導を補完し,音質やフォローアップ構造を改善する余地を残していることが示唆された。
論文 参考訳（メタデータ） (2026-03-31T18:27:42Z) - Artificial Intelligence Driven Course Generation: A Case Study Using ChatGPT [0.0]
本研究は,ChatGPTを教材として活用することを目的としている。
主な目的は、AI駆動コース生成の効率、品質、および影響を評価することである。
この研究は、AIが教育コンテンツ制作に革命をもたらす可能性を強調している。
論文 参考訳（メタデータ） (2024-11-02T21:59:02Z) - Is the Lecture Engaging for Learning? Lecture Voice Sentiment Analysis for Knowledge Graph-Supported Intelligent Lecturing Assistant (ILA) System [0.060227699034124595]
本システムは,音声,コンテンツ,教育のリアルタイム分析を通じて,生徒の学習力を高めるためのインストラクターを支援するように設計されている。
講義音声感情分析のケーススタディとして,3000以上の1分間の講義音声クリップからなるトレーニングセットを開発した。
私たちの究極のゴールは、現代の人工知能技術を活用することで、インストラクターがより積極的に効果的に教えることを支援することです。
論文 参考訳（メタデータ） (2024-08-20T02:22:27Z) - YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - CSSL-MHTR: Continual Self-Supervised Learning for Scalable Multi-script Handwritten Text Recognition [16.987008461171065]
我々は,手書き文字認識における破滅的な忘れの問題を軽減するために,連続的な自己指導型学習の可能性を探究する。
提案手法は,各タスクにアダプタと呼ばれる中間層を追加し,現在のタスクを学習しながら,前モデルからの知識を効率的に抽出する。
私たちは英語、イタリア語、ロシア語のスクリプトで最先端のパフォーマンスを達成しましたが、タスクごとにいくつかのパラメータしか追加していません。
論文 参考訳（メタデータ） (2023-03-16T14:27:45Z) - Lila: A Unified Benchmark for Mathematical Reasoning [59.97570380432861]
LILAは、23の多様なタスクと4次元からなる統一的な数学的推論ベンチマークである。
我々は,Pythonプログラムの形式でタスク命令とソリューションを収集することにより,20のデータセットベンチマークを拡張してベンチマークを構築した。
LILAで訓練された汎用数学的推論モデルであるBHASKARAを紹介する。
論文 参考訳（メタデータ） (2022-10-31T17:41:26Z) - Finetuned Language Models Are Zero-Shot Learners [67.70352207685558]
命令チューニングは、目に見えないタスクにおけるゼロショット性能を向上することを示す。
137Bパラメータを事前訓練した言語モデルと、自然言語の命令テンプレートを介して言語化された60以上のNLPタスクにチューニングする。
FLANと呼ばれるこの命令調整モデルについて、未知のタスクタイプで評価する。
論文 参考訳（メタデータ） (2021-09-03T17:55:52Z) - 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) - Point Adversarial Self Mining: A Simple Method for Facial Expression
Recognition [79.75964372862279]
本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。
PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。
適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
論文 参考訳（メタデータ） (2020-08-26T06:39:24Z) - Kungfupanda at SemEval-2020 Task 12: BERT-Based Multi-Task Learning for
Offensive Language Detection [55.445023584632175]
我々は,マルチタスク学習とBERTモデルを組み合わせた攻撃的言語検出システムを構築した。
我々のモデルは、英語のサブタスクAで91.51%のF1スコアを獲得し、これは第1位に匹敵する。
論文 参考訳（メタデータ） (2020-04-28T11:27:24Z)
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。