論文の概要: From Content Generation to Learning Support: Pedagogy-Guided Generative Video Tutors for STEM Learning
- arxiv url: http://arxiv.org/abs/2609.24083v1
- Date: Mon, 21 Sep 2026 04:10:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.065699
- Title: From Content Generation to Learning Support: Pedagogy-Guided Generative Video Tutors for STEM Learning
- Title（参考訳）: コンテンツ生成から学習支援へ:STEM学習のための教育指導型ビデオチュートリアル
- Abstract要約: 我々は、学習中心の教育支援を通じてSTEM学習のための生成的ビデオ学習フレームワークであるPIVOTを紹介する。
従来の教育にインスパイアされた私たちのフレームワークは、教育をフル世代のパイプラインに統合します。
本フレームワークは,教育用ビデオのコンテンツ,明瞭で活発なプレゼンテーション,コヒーレントな指導の流れ,学習効果の認識を両立させる。
- 参考スコア（独自算出の注目度）: 21.721262622830896
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative AI enables scalable production of educational videos, but current systems largely focus on producing visually coherent content rather than supporting learning. As a result, generated videos often lack explicit pedagogical structure, reliable quality control, and mechanisms for assessing learner understanding or addressing misconceptions. In this work, we introduce PIVOT (Pedagogy-guided Instructional VideO Tutoring), a generative video tutoring framework for STEM learning via learning-centered instructional support.1 Inspired by conventional teaching workflows, our framework integrates pedagogy into the full generation pipeline: it first uses instructional principles to guide storyboard generation, then produces verified multimodal videos through code-centric generation and a pedagogical verification harness, and finally connects videos with assessment and misconception-aware remediation. Experiments and expert evaluations across four STEM domains show that our framework produces educational videos with pedagogically aligned content, clear and engaging presentation, coherent instructional flow, and perceived effectiveness for learning. These findings suggest a human-centered perspective on educational content generation: generative systems should be evaluated and designed not only by what they produce, but also by how they support teaching practices, learner understanding, and corrective feedback.
- Abstract（参考訳）: ジェネレーティブAIは、教育ビデオのスケーラブルな制作を可能にするが、現在のシステムは、学習をサポートするのではなく、視覚的に一貫性のあるコンテンツを作ることに重点を置いている。
その結果、生成されたビデオには明確な教育構造、信頼性の高い品質管理、学習者の理解や誤解に対処するためのメカニズムが欠如している。
本研究では,PIVOT(Pedagogy-guided Instructional VideO Tutoring)を導入した。
このフレームワークは、まず、ストーリーボード生成をガイドするための指導原則を使用し、コード中心の生成と教育的検証ハーネスを通じて検証済みのマルチモーダルビデオを生成し、最後に、評価と誤解を意識した修復でビデオと接続する。
4つのSTEM領域にまたがる実験と専門家による評価により、我々のフレームワークは、教育的コンテンツ、明瞭で魅力的なプレゼンテーション、一貫性のある指導の流れ、学習に対する知覚的効果を備えた教育ビデオを生成することが示された。
これらの知見は、教育コンテンツ生成における人間中心の視点を示唆している: 生成システムは、それらが生み出すものだけでなく、教育実践、学習者理解、修正的フィードバックをサポートする方法によって評価され、設計されるべきである。
関連論文リスト
- EduStory: A Unified Framework for Pedagogically-Consistent Multi-Shot STEM Instructional Video Generation [40.60762124779023]
EduStoryは、信頼できるビデオ生成のための統一されたフレームワークである。
それは、永続的な知識状態を追跡するための教育的状態モデリング、マルチショットの物語を整理するためのスクリプト誘導型構造化制御、学習指向評価メトリクスを統合する。
EduVideoBenchは、ペタゴラルなストーリーボード、ショットレベルのセマンティクス、知識状態遷移を含む、多彩なアノテーションを備えた診断ベンチマークである。
論文 参考訳（メタデータ） (2026-05-10T07:03:37Z) - PedaCo-Gen: Scaffolding Pedagogical Agency in Human-AI Collaborative Video Authoring [28.634225905526677]
本研究では,マイアーのマルチメディア学習認知理論(CTML)に基づく指導ビデオのオーサリングのための協調的ビデオ生成システムPedaCo-Genを紹介する。
従来の"ワンショット"世代から離れ、PedaCo-Genは中間表現フェーズを導入し、AIレビュアーを使って、ビデオブループリントを構成するスクリプトとビジュアル記述をインタラクティブにレビューし、洗練することができる。
23名の教育専門家による研究では、PedaCo-Genは、ベースラインと比較して、様々なトピックやCTMLの原則でビデオ品質を著しく向上させることを示した。
論文 参考訳（メタデータ） (2026-02-23T09:12:13Z) - Generative Teaching via Code [43.45801837806965]
TeachMasterは、解釈可能、編集可能、カリキュラム対応の教育ビデオの制作を自動化するための、計画、設計、レンダリングの協力的なチームである。
TeachMasterは構造的コヒーレンスや視覚的忠実さを損なうことなく生産効率を大幅に向上させる。
論文 参考訳（メタデータ） (2025-12-07T12:52:24Z) - Code2Video: A Code-centric Paradigm for Educational Video Generation [60.03043132859077]
我々は,Pythonコードによる教育ビデオを生成するための,コード中心のエージェントフレームワークであるCode2Videoを提案する。
i)講義内容を時間的コヒーレントなフローに構造化するPlanner,(ii)構造化命令を実行可能なPythonコードに変換するCoder,そして(iii)視覚言語モデル(VLM)を視覚的アンカープロンプトで活用し,空間的レイアウトを洗練し,明確性を確保するCryticという3つの協調エージェントから構成される。
我々の結果は、Code2Videoが拡張性があり、解釈可能で、制御可能なアプローチである可能性を示し、直接コードよりも40%改善されている。
論文 参考訳（メタデータ） (2025-10-01T17:56:48Z) - Enabling Multi-Agent Systems as Learning Designers: Applying Learning Sciences to AI Instructional Design [6.080614844688028]
本研究は,教育的専門知識を利用者のプロンプトからLLMの内部アーキテクチャへシフトさせる。
二次数学と理科の学習活動を生成するための3つのシステムを検証した。
論文 参考訳（メタデータ） (2025-08-20T14:44:00Z) - Product of Experts for Visual Generation [60.91134809173301]
異種モデルから推論時知識合成を行うPoE(Product of Experts)フレームワークを提案する。
本フレームワークは画像と映像の合成作業において実用的な利点を示し,モノリシックな手法よりも制御性が高いことを示す。
論文 参考訳（メタデータ） (2025-06-10T15:21:14Z) - MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors [82.91830877219822]
我々は、総合的なチューリングモデル評価のためのオープンソースのベンチマークであるMathTutorBenchを紹介する。
MathTutorBenchには、ダイアログベースの教育における科学の研究によって定義された、家庭教師の能力をカバーするデータセットとメトリクスが含まれている。
閉鎖的およびオープンウェイトなモデルの幅広いセットを評価し、問題解決能力によって示される課題の専門知識が、すぐには良い教育に変換されないことを発見した。
論文 参考訳（メタデータ） (2025-02-26T08:43:47Z) - Scaffolding Language Learning via Multi-modal Tutoring Systems with Pedagogical Instructions [34.760230622675365]
知的家庭教師システム(ITS)は、人間の家庭教師を模倣し、学習者にカスタマイズされた指導やフィードバックを提供することを目的としている。
生成人工知能の出現に伴い、大規模言語モデル(LLM)は、複雑な会話の相互作用をシステムに付与する。
教育指導がITSの足場形成をいかに促進するかを,子どもに言語学習のための画像記述を指導するケーススタディにより検討した。
論文 参考訳（メタデータ） (2024-04-04T13:22:28Z) - Iterative Teacher-Aware Learning [136.05341445369265]
人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。
本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
論文 参考訳（メタデータ） (2021-10-01T00:27:47Z)
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。