論文の概要: StudentBench: AI and human tutoring yield equivalent GRE learning gains
- arxiv url: http://arxiv.org/abs/2609.28470v2
- Date: Wed, 30 Sep 2026 17:56:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-02 04:51:24.27598
- Title: StudentBench: AI and human tutoring yield equivalent GRE learning gains
- Title（参考訳）: StudentBench:AIと人間の学習がGRE学習に匹敵する利益をもたらす
- Abstract要約: StudentBenchは、175,000以上の学生AIメッセージで大規模なデータ収集を可能にする。
被験者2,383名を対象に,定量的および言語的GRE質問に対する学習効果を測定した。
あるAIチューターは、人間のチューターと同等の学習ゲインを918倍のコストで達成した。
- 参考スコア（独自算出の注目度）: 4.402736559170425
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence offers an unprecedented opportunity to augment human capabilities, yet progress at the frontier has focused primarily on advancing model capabilities. We introduce StudentBench, a suite of AI teaching evaluations and a public platform that enables large-scale data collection with over 175,000 student-AI messages to study whether large language models (LLMs) produce learning gains equivalent to human tutoring. Using StudentBench, we measured learning gains on Quantitative and Verbal GRE questions across 2,383 human participants receiving AI tutoring, human tutoring, or no tutoring. We establish that AI tutoring is statistically equivalent to expert human tutoring for GRE learning gains (p = .015), and in five of the seven GRE domains, the best performing AI tutor surpassed the human tutor, on average. In a second study, expert human tutors compared LLM-generated lesson plans and practice problems through 2,028 pairwise rubric evaluations. Together, the two studies clearly separate AI tutors across: (1) lesson planning, (2) practice-problem creation, (3) conversational pedagogy, (4) cost, and (5) engagement. Surprisingly, one AI tutor achieved learning gains equivalent to human tutoring (p = .044) at 918 times lower cost (USD 0.0052 for AI versus USD 4.81 for human, per percentage point gained). For Quantitative GRE sessions, faster AI replies correlated with more student messages, more messages with more correct practice, and more correct practice with larger learning gains (all p < .002). To support future research, we open-source the de-identified data collected in our studies.
- Abstract（参考訳）: 人工知能は人間の能力を増強する前例のない機会を提供するが、フロンティアの進歩は主にモデル能力の向上に焦点を当てている。
我々は、大規模言語モデル(LLM)が人間の学習に匹敵する学習ゲインを生み出すかどうかを調査するために、175,000以上の学生AIメッセージを含む大規模なデータ収集を可能にするAI教育評価スイートと公開プラットフォームであるStudioBenchを紹介した。
StudentBench を用いて, 2,383人の被験者を対象に, 定量的および言語的 GRE 質問に対する学習効果を測定した。
GRE学習のゲイン(p = .015)について、AI家庭教師は統計的に人間の家庭教師に匹敵するものであり、GREドメイン7つのうち5つでは、AI家庭教師が平均して人間の家庭教師を上回っている。
第2の研究では、専門家の家庭教師が、LLM生成の授業計画と2,028対のルーリック評価による課題を比較検討した。
この2つの研究は,(1)授業計画,(2)実践・プロブレム創造,(3)会話教育,(4)コスト,(5)エンゲージメントの2つのAI家庭教師を明確に分けている。
驚くべきことに、あるAI家庭教師は、人間の家庭教師(p = .044)と同等の学習成果を918倍のコストで達成した(AIのUSD 0.0052、人間のUSD 4.81、ポイント当たり)。
定量的GREセッションでは、より速いAI応答がより多くの学生メッセージと相関し、より正確なプラクティスでメッセージがより多くなり、より正確な実践がより多く学習される(全てp < .002)。
今後の研究を支援するため,本研究で収集した未確認データをオープンソース化した。
関連論文リスト
- AI tutoring can safely and effectively support students: An exploratory RCT in UK classrooms [3.1642777065752052]
1対1の授業はパーソナライズされた教育のための金の標準として広く考えられているが、スケールするのは違法に高価である。
英国の小学校5校を対象に,N = 165$の学生を対象にランダム化試験(RCT)を行った。
LearnLM – 教育用に微調整された生成AIモデル – を,Eedi数学プラットフォーム上でのチャットベースの学習セッションに統合しました。
論文 参考訳（メタデータ） (2025-12-29T17:44:03Z) - Training LLM-based Tutors to Improve Student Learning Outcomes in Dialogues [46.60683274479208]
本稿では,大規模言語モデル(LLM)を訓練し,学生の正当性を最大化するチューター発話を生成する手法を提案する。
モデルにより生成された教師発話が,学生の正答率を著しく高めることを示す。
論文 参考訳（メタデータ） (2025-03-09T03:38:55Z) - Do Tutors Learn from Equity Training and Can Generative AI Assess It? [2.116573423199236]
本研究では,教師のスキル向上のためのオンライン授業において,教師のパフォーマンスを評価する。
教師の自己報告による知識への信頼度の増加に伴い,学習の習得率が著しく向上することがわかった。
この作業では、レッスンログデータ、チューター応答、人間のアノテーション用のルーブリック、生成AIプロンプトのデータセットが利用可能になる。
論文 参考訳（メタデータ） (2024-12-15T17:36:40Z) - SPIRE: Synergistic Planning, Imitation, and Reinforcement Learning for Long-Horizon Manipulation [58.14969377419633]
タスクをより小さな学習サブプロブレムに分解し、第2に模倣と強化学習を組み合わせてその強みを最大化するシステムであるspireを提案する。
我々は、模倣学習、強化学習、計画を統合する従来の手法よりも平均タスク性能が35%から50%向上していることを発見した。
論文 参考訳（メタデータ） (2024-10-23T17:42:07Z) - Integrating AI Tutors in a Programming Course [0.0]
RAGManはLLMベースのチューターシステムで、様々なコース特化および宿題特化AIチューターをサポートする。
本稿では,AI教師とのインタラクション,学生のフィードバック,および比較グレード分析について述べる。
論文 参考訳（メタデータ） (2024-07-14T00:42:39Z) - Evaluating Large Language Models on the GMAT: Implications for the
Future of Business Education [0.13654846342364302]
本研究では,7大言語モデル(LLM)の性能評価を行う最初のベンチマークを紹介する。
GPT-4 Turboは他のモデルよりも優れているだけでなく、トップビジネススクールの大学院生の平均スコアを上回っている。
教育、評価、教育におけるAIの約束は明確だが、課題は残る。
論文 参考訳（メタデータ） (2024-01-02T03:54:50Z) - Implementing Learning Principles with a Personal AI Tutor: A Case Study [2.94944680995069]
本研究は,人間の学習過程をモデル化し,学術的性能を効果的に向上するパーソナルAIチューターの能力を示す。
プログラムにAIチューターを統合することで、教育者は、学習科学の原則に基づくパーソナライズされた学習体験を学生に提供することができる。
論文 参考訳（メタデータ） (2023-09-10T15:35:47Z) - Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap [56.611702960809644]
3つの言語タスクと3つの視覚タスクで人間を模倣するAIの能力をベンチマークする。
次に,人間1,916名,AI10名を対象に,72,191名のチューリング様試験を行った。
模倣能力は従来のAIパフォーマンス指標と最小限の相関を示した。
論文 参考訳（メタデータ） (2022-11-23T16:16:52Z) - Human Decision Makings on Curriculum Reinforcement Learning with
Difficulty Adjustment [52.07473934146584]
我々は,カリキュラム強化学習結果を,人的意思決定プロセスから学ぶことで,難しすぎず,難しすぎるような望ましいパフォーマンスレベルに導く。
本システムは非常に並列化可能であり,大規模強化学習アプリケーションの訓練が可能となる。
強化学習性能は、人間の所望の難易度と同期してうまく調整できることが示される。
論文 参考訳（メタデータ） (2022-08-04T23:53:51Z) - An Experience Report of Executive-Level Artificial Intelligence
Education in the United Arab Emirates [53.04281982845422]
アラブ首長国連邦(UAE)のビジネスエグゼクティブにAIコースを教える経験報告を提示する。
理論的、技術的な側面にのみ焦点をあてるのではなく、学生が既存のビジネスプロセスにAIを組み込む方法を理解するためにAIを教えるコースを開発しました。
論文 参考訳（メタデータ） (2022-02-02T20:59:53Z) - Explainable Active Learning (XAL): An Empirical Study of How Local
Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。
本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文 参考訳（メタデータ） (2020-01-24T22:52:18Z)
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。