論文の概要: Reducing Barriers to Academic Support: Evaluating a Course-Specific RAG System for Addressing Help-Seeking Disparities in Higher Education

• arxiv url: http://arxiv.org/abs/2609.21600v1
• Date: Fri, 18 Sep 2026 10:30:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:17.024037
• Title: Reducing Barriers to Academic Support: Evaluating a Course-Specific RAG System for Addressing Help-Seeking Disparities in Higher Education
• Title（参考訳）: アカデミック・サポートへの障壁の低減--高等教育におけるヘルプ・シーキングの格差に対処するためのコース特化RAGシステムの評価
• Abstract要約: この研究は、プライベートで即時、モジュール対応の学術的支援を提供するコース固有のAIシステムであるBeaconを提示し、評価する。 学生はビーコンの反応をモジュールの内容と密接に一致しており、制限のない生成AIツールよりも信頼性が高いと説明した。 慎重に設計されたコース固有のAIシステムは、独立した学習と正式な支援の間の中間領域を占有することにより、学術的な支援に対する障壁を減らす可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Access to academic support is a key determinant of student success, yet students experience it unequally: some readily seek help from lecturers or tutors, while others hesitate due to anxiety, fear of judgement, uncertainty about expectations, or low confidence in their understanding. This may be especially evident in computing education, where programming tasks are cumulative and cognitively demanding. Although students increasingly turn to general-purpose generative AI tools, these can produce responses that are inaccurate, insufficiently contextualised, or misaligned with module expectations. This study presents and evaluates Beacon, a course-specific Retrieval-Augmented Generation (RAG) system providing private, immediate, module-aligned academic support. Grounding responses in approved teaching materials, Beacon was designed to lower barriers to help-seeking while encouraging independent learning. Using a design-based research approach, Beacon was developed iteratively and evaluated via mixed methods, combining questionnaires and semi-structured interviews with students and staff at a Higher Education institution. Students described Beacon's responses as closely aligned with module content and more trustworthy than unrestricted generative AI tools, valuing its use of pseudocode and scaffolded explanations over direct solutions. Although participants remained cautious about trusting AI-generated responses without verification, they viewed the system as a valuable first point of support before consulting lecturers or official resources. The findings suggest that carefully designed course-specific AI systems may reduce barriers to academic support by occupying an intermediary space between independent study and formal support. Rather than replacing educators, educational AI may be most valuable when it broadens access to guidance while preserving the pedagogical role of lecturers.
• Abstract（参考訳）: アカデミックサポートへのアクセスは、学生の成功の鍵となる決定要因であるが、学生は不平等に経験する: 講師や家庭教師の助けを求める者もいれば、不安や判断の恐怖、期待に対する不確実性、理解の低さなどによって、不安を抱く者もいる。 これは、プログラミングタスクが累積的かつ認知的に要求されるコンピューティング教育において特に顕著である。 学生はますます汎用的な生成AIツールに目を向けるが、これらは不正確で、文脈が不十分で、モジュールの期待に合わない応答を生成することができる。 本研究は,個人的かつ即時かつモジュール対応の学術的支援を提供する,コース固有の検索・拡張生成(RAG)システムであるBeaconを提示し,評価する。 ビーコンは承認された教材に反応し、独立した学習を奨励しながら援助を求める障壁を低くするように設計された。 デザインに基づく研究手法を用いて,高等教育機関の学生とスタッフを対象に,アンケートと半構造化面接を併用して,混合手法を用いて反復的・評価を行った。 学生たちは、ビーコンの反応はモジュールの内容と密接に一致しており、制約のない生成AIツールよりも信頼性が高く、直接的なソリューションよりも擬似コードと足場による説明を使うことを評価した。 参加者は、AIが生成した応答を検証せずに信頼することに慎重なままだったが、講師や公式のリソースを相談する前に、システムは貴重な最初のサポートポイントであると見なした。 この結果は、慎重に設計されたコース固有のAIシステムは、独立した学習と正式な支援の中間領域を占有することで、学術的な支援への障壁を減らす可能性があることを示唆している。 教育者を置き換えるのではなく、教師の教育的役割を保ちながら指導へのアクセスを広げる上で、教育AIは最も価値があるかもしれない。

関連論文リスト

• An Explainable AI Assistant for Introductory Programming Education: Improving Feedback Reliability with Instructor-AI Collaboration [6.172982108802445]
  説明可能なAIモデルを利用して、生徒のコードを分析し、論理的誤りをインストラクターが特定した誤解にマップし、インストラクターが承認したフィードバックを提供する。 以上の結果から,学生に正の体験を育みながら,正確な指導者によるフィードバックを提示できることが示唆された。
  論文  参考訳（メタデータ） (2026-05-12T06:35:55Z)
• Interpretable Difficulty-Aware Knowledge Tracing in Tutor-Student Dialogues [46.915280360954576]
  大規模言語モデル(LLM)上に構築された難易度を考慮した対話型KTフレームワークを提案する。 このフレームワークは、学生の知識状態と今後のターンの難しさを推定するために、原文質問と次のチューター提案タスクを組み込んだものである。 学習者/学生の対話データセットを2つ評価する。
  論文  参考訳（メタデータ） (2026-05-01T21:07:24Z)
• Trust and Reliance on AI in Education: AI Literacy and Need for Cognition as Moderators [2.0391237204597363]
  プログラミング課題において,学生の信頼度が,AIアシスタントへの適切な依存度にどのように関係しているかを検討する。 学生の回答が適切なAIアシスタントの提案の活用を反映する程度に行動依存を運用する。
  論文  参考訳（メタデータ） (2026-04-01T16:38:47Z)
• An Experience Report on a Pedagogically Controlled, Curriculum-Constrained AI Tutor for SE Education [4.976713294177978]
  本稿では、RockStartITイニシアチブ内のデジタルプログラミングおよび計算思考コース用に開発されたAIアシスタントであるRockStartIT Tutorの設計とパイロット評価について述べる。 GPT-4をOpenAIのAssistant API経由で提供するこのチューターは、新しいプロンプト戦略と、コンテキスト認識、パーソナライズ、カリキュラムに制約されたサポートを中学生に提供するために、モジュール化されたセマンティックタグ付きナレッジベースを採用している。
  論文  参考訳（メタデータ） (2025-12-08T12:54:37Z)
• Closing the Loop: An Instructor-in-the-Loop AI Assistance System for Supporting Student Help-Seeking in Programming Education [21.729610894273563]
  本稿では,AI生成ヒントとエスカレーション機構を統合したハイブリッドヘルプフレームワークを提案する。 その結果、673件のAIによるヒントのうち、146件(22%)が無害と評価された。 この発見は、AIサポートが失敗した場合、専門家のインストラクターでさえ、ミスを犯すのを避けるためにもっと注意を払う必要があることを示唆している。
  論文  参考訳（メタデータ） (2025-10-16T08:57:05Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• Evaluating AI-Powered Learning Assistants in Engineering Higher Education: Student Engagement, Ethical Challenges, and Policy Implications [0.2099922236065961]
  本研究は、大規模R1公立大学の学部・環境工学コースで実施されているAIを活用した学習フレームワークである教育AIハブを評価する。 学生たちは、AIアシスタントのアクセシビリティと快適さを高く評価し、インストラクターやアシスタントの助けを求めるよりも、利用の容易さを報告している。 倫理的不確実性、特に制度政策と学術的整合性は、フルエンゲージメントの鍵となる障壁として現れた。
  論文  参考訳（メタデータ） (2025-06-06T03:02:49Z)
• PyEvalAI: AI-assisted evaluation of Jupyter Notebooks for immediate personalized feedback [43.56788158589046]
  PyEvalAIは、プライバシを保護するために、ユニットテストとローカルにホストされた言語モデルを組み合わせてJupyterノートをスコアする。 あるケーススタディは、大学レベルの数値科目における演習のフィードバック速度の向上と学習効率の向上に効果を示す。
  論文  参考訳（メタデータ） (2025-02-25T18:20:20Z)
• Learning to Prompt in the Classroom to Understand AI Limits: A pilot study [35.06607166918901]
  大規模言語モデル(LLM)と、ChatGPTのような派生したチャットボットは、AIシステムの自然言語処理能力を大幅に改善した。 しかし、AI手法が顕著な貢献を示しているにもかかわらず、興奮は否定的な感情を引き起こしている。 パイロット教育は21人の生徒を抱えた高校で実施された。
  論文  参考訳（メタデータ） (2023-07-04T07:51:37Z)

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。