論文の概要: Looking Back and Forward: What Teaching Materials Do Not Remember About Instructional Reasoning
- arxiv url: http://arxiv.org/abs/2609.19488v1
- Date: Wed, 16 Sep 2026 23:08:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.029685
- Title: Looking Back and Forward: What Teaching Materials Do Not Remember About Instructional Reasoning
- Title（参考訳）: 振り返って振り返る: 教材が教育的推論について覚えていないこと
- Abstract要約: 本稿では,指導的推論を知識の第一形態として扱う設計手法である教示記憶を提案する。
本稿では,教師の既存システムにおいて,教師の指導的推論を軽量に保存し,継続性と再利用を可能にする設計指向のフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 15.837489393136272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Instructional materials can be passed along to new instructors, yet the instructional reasoning, such as instructional intentions, contextual information, and reflective insights behind their design, is rarely preserved. Traditional Learning Management System (LMS) tools are designed to store instructional artifacts rather than reasoning. To address this issue, we propose Teaching Memory, a design approach that treats instructional reasoning as a primary form of knowledge. We present a design-oriented framework for preserving instructional reasoning in a lightweight manner within instructors' existing workflows, enabling continuity and reuse.
- Abstract（参考訳）: 教育資料は、新しいインストラクターに受け継がれるが、教育意図、文脈情報、その設計の背後にある反射的洞察などの教育的推論は、まれに保存される。
従来の学習管理システム(LMS)ツールは、推論ではなく、命令的アーティファクトを保存するように設計されている。
この問題に対処するために,指導的推論を知識の第一形態として扱う設計手法である「学習記憶」を提案する。
本稿では,インストラクターの既存のワークフローにおいて,命令的推論を軽量に保存し,継続性と再利用を可能にする設計指向のフレームワークを提案する。
関連論文リスト
- AIDE: Automated Instruction via Distilled Expertise for Reference-Free Motor Skill Coaching [1.6921396880325779]
AIDE(Automated Instruction via Distilled Expertise)は、トレーニング時にのみ専門家の参照を利用するフレームワークである。
推論時にのみ学習者のポーズシーケンスからフィードバックを生成する。
ExpertAFデータセットでは、ほとんどのメトリクスにおいて、AIDEは参照なしベースラインよりも優れています。
論文 参考訳（メタデータ） (2026-08-04T02:58:22Z) - Towards Just-in-Time Adaptive Feedback: Enhancing Student Learning via Knowledge-Grounded LLM [16.09740388389993]
本稿では,大規模言語モデルにドメイン固有の知識を加えることで,適応的なフィードバックを提供するフレームワークを提案する。
この枠組みを大規模大学コース (N > 1000) に展開し, 学生の成績を従来の学級に比べて80%以上向上させた。
論文 参考訳（メタデータ） (2026-05-26T00:30:19Z) - Knowledge Markers: An AI-Agnostic Concept for the Design of Programming Courses [0.0]
本稿では、AIに依存しないコースレベルのコース設計のための軽量な知識マーカーとして、知識マーカーを提供する。
オープンティーチングアーティファクトにラベルをきめ細かい粒度で埋め込む方法を示す。
導入プログラミングコースを分析し,再設計し,記述的に評価することで,そのアプローチを実証する。
論文 参考訳（メタデータ） (2026-04-07T18:13:40Z) - From Answer Givers to Design Mentors: Guiding LLMs with the Cognitive Apprenticeship Model [15.804452611205454]
大きな言語モデル(LLM)は設計作業をサポートするが、しばしば反射的エンゲージメントを制限する汎用的なワンオフ提案を提供する。
我々は6つの方法による推論の実証を強調する認知認証モデルを適用した。
我々は,これらの指導手法を構造化的プロンプトを通して運用し,データ視覚化実践者による対象内調査で評価する。
論文 参考訳（メタデータ） (2026-01-27T00:27:15Z) - Personalized Exercise Recommendation with Semantically-Grounded Knowledge Tracing [54.44838681588145]
ExRecは、セマンティックグラウンドの知識トレースを備えたパーソナライズされたエクササイズレコメンデーションのためのフレームワークである。
ExRecは、新しい、目に見えない質問に頑健に一般化し、解釈可能な学習軌跡を生成することを示す。
論文 参考訳（メタデータ） (2025-07-15T07:54:04Z) - Controllable Navigation Instruction Generation with Chain of Thought Prompting [74.34604350917273]
本稿では,C-インストラクタを提案する。C-インストラクタは,スタイル制御およびコンテンツ制御可能な命令生成のために,チェーン・オブ・シンクタスタイルのプロンプトを利用する。
C-インストラクタは生成した命令をより追従しやすくし、ランドマークオブジェクトの操作に対する制御性を高める。
論文 参考訳（メタデータ） (2024-07-10T07:37:20Z) - From Language Modeling to Instruction Following: Understanding the Behavior Shift in LLMs after Instruction Tuning [63.63840740526497]
そこで本研究では,本質的な変化に着目した事前学習モデルの調整方法について検討する。
次に、事前訓練されたモデルと命令調整されたモデルから導かれた説明を比較することで、命令チューニングの影響について研究する。
この結果から,指導指導の3つの重要な影響が明らかになった。
論文 参考訳（メタデータ） (2023-09-30T21:16:05Z)
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。