論文の概要: Characterizing Questioning Patterns and Student Engagement Through Contextual Analysis of Real-Time Classroom Interactions

• arxiv url: http://arxiv.org/abs/2609.38907v1
• Date: Wed, 30 Sep 2026 03:55:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.152155
• Title: Characterizing Questioning Patterns and Student Engagement Through Contextual Analysis of Real-Time Classroom Interactions
• Title（参考訳）: 実時間授業間相互作用の文脈分析による質問パターンと学生エンゲージメントの特徴付け
• Abstract要約: リアルタイムの教室のポーリングは、今では日常的に行われているが、そのデータは通常、狭めに読まれる。 本研究は, 講義の書き起こしに対して, 質問紙を読むことで, 回答者の回答と指導機能を判断できるかどうかを問うものである。 39日間にわたる47回のライブセッションの自然主義コーパスを解析し,604質問と2,807学習者340,668回答を得た。
• 参考スコア（独自算出の注目度）: 2.1494596588623134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time classroom polling is now routine, yet the data it produces is usually read narrowly, as a correctness score or a headcount. Such readings say little about what a poll is doing within a lecture or how it shapes engagement. This is particularly relevant for short-response formats such as True/False, where the same question format can be used to test recall, check comprehension, or direct students' attention to a deliberately misleading statement. This study asks whether a poll's answer and instructional function can be determined by reading it against its lecture transcript, what cognitive levels of Bloom's taxonomy and instructional-function clusters the corpus contains, and how student engagement relates to answering correctly. We analyse a naturalistic corpus of 47 live sessions over 39 days, comprising 604 poll questions and 340,668 responses from 2,807 learners, most items True/False, read against time-aligned lecture transcripts and attendance. Reading each poll in context proves essential: the answer to 89% of polls is locatable in the lecture, and a recurring attention-checking device is visible only through context. Questioning is overwhelmingly lower-order and falls into seven instructional functions, and a poll's response follows its function rather than its wording. Engagement is broad but concentrated, and the class majority answers correctly 88.5% of the time, though a small set of high-consensus yet incorrect answers cannot be detected by agreement alone. An independent survey of 579 students agrees on what the polls are and on their participation, but reveals a gap between perception and reality: students cannot judge their own correctness, and the polls they find hardest are not those they answer worst.
• Abstract（参考訳）: リアルタイムの教室のポーリングは、今では日常的に行われているが、そのデータは通常、正確性スコアや頭数として、狭く読み取られている。 このような読みは、講義の中で投票が何をしているか、どのようにエンゲージメントを形成するのかについてはほとんど語られません。 これはTrue/Falseのような短応答形式に特に関係しており、同じ質問形式を使ってリコールのテスト、理解の確認、学生の注意を意図的に誤解を招く声明に向けることができる。 本研究は,学生の回答と授業機能について,講義の書き起こしに対して読むことによって判断できるかどうか,ブルームの分類と指導機能クラスタの認知レベル,学生の関与が正しい回答とどのように関連しているかを問うものである。 我々は,39日間にわたる47のライブセッションの自然主義コーパスを分析し,604の質問と2,807人の学習者から340,668の回答を得た。 調査対象者の89%の回答は講義で見ることができ、注意点検装置はコンテキストを通してのみ見ることができる。 質問は圧倒的に低次であり、7つの教育機能に該当する。 エンゲージメントは広いが集中しており、クラスの多数派は88.5%の確率で正しく答えている。 579人の学生の独立した調査は、投票の内容と参加について合意するが、認識と現実のギャップが明らかになる: 学生は自分の正しさを判断できないし、最も難しいと答える世論調査は、最悪の答えではない。

関連論文リスト

• Insights on Student Learning from Live Classroom Polls: More Than Right or Wrong [2.1494596588623134]
  ライブ教室の投票は通常、回答キーを通じて、参加数と正しさのカウントとして読み取られる。 しかし、同じレコードは、どのキーが固定されるよりも早く保持される。 約2,400人の学習者の47回のセッションで,603の投票で340,668件の応募をライブ配信した。
  論文  参考訳（メタデータ） (2026-09-30T04:41:05Z)
• An Audit of Measurement Quality and Answer Bias in a Large Classroom-Poll Corpus [2.1494596588623134]
  47セッション中604項目が340,668回回答し,2,807人の学習者が回答した。 講義書から正しい回答が得られた539項目について,すべての項目と学生を共通の尺度に配置する。 世論調査では, ほぼ4分の1の項目が, より弱い学生とほとんど区別されないほど, 厳密で容易な適度な精度(正解率約0.60)の尺度が得られた。
  論文  参考訳（メタデータ） (2026-09-30T04:27:50Z)
• Cite or Decline: A Strict Course-Grounded Chatbot for STEM Lecture Videos [0.0]
  VideoPointsプラットフォームは、アクティブコースからのみ検索し、章の要約を使用して書き起こしランキングをガイドし、クリック可能なタイムスタンプ付き引用を返す。 833以上のメッセージ、70.5%は引用を含んでおり、コース境界を越えたものはない。 本設計では,高密度検索よりも6.3ポイント向上した。
  論文  参考訳（メタデータ） (2026-09-01T20:27:47Z)
• Towards Fully Automated Exam Grading: Fairness-Aware Recognition of Handwritten Answers with Foundation Models [0.0]
  汎用視覚言語基盤モデル(VLM)は、ピクセルテンプレートにマッチするのではなく、ページを解釈する。 61の匿名試験(3141の回答位置)のベンチマークでは、最良のモデルは98.4%の精度に達する。 したがって、完全に自動化された公正な試験は、スケールで評価される。
  論文  参考訳（メタデータ） (2026-06-09T22:12:43Z)
• Not What, But How: A Framework for Auditing LLM Responses across Positioning, Generalization, Anthromorphism, and Maxims [54.31707479192195]
  大規模言語モデル(LLM)は、主観的、情報探索的な疑問に答えるためにますます使われている。 既存の主観的文化的クエリの評価は、応答のフレーム化を無視して、事実の正しさに重点を置いている。 FRANZ(FRAmework for respoNse characteriZation)を導入し、4次元のLLM応答のコミュニケーション監査を行う。
  論文  参考訳（メタデータ） (2026-06-01T17:01:31Z)
• Context-Aware Prediction of Student Quiz Performance with Multimodal Textbook Features [0.0]
  本稿では,CourseKataの章レビュー質問から抽出した軽量なコンテンツ特徴が,学生の平均的事前運動成績を超えて,エンド・オブ・チャプタ・クイズスコアの予測を改善するかを検討する。 562のクラス学生IDから4,742人以上の学生チャプタが観察され、内容的特徴が加わり、学生グループ化された5倍クイズ予測性能が前性能ベースラインと比較して9.1%向上した。 本論文は,学生のクイズ性能を過去の学生のパフォーマンスのみを用いた場合と比較して,学生のクイズ性能をより正確に予測するために,質問のテキストや視覚的特徴に関する有用な信号が付加されることを示唆する。
  論文  参考訳（メタデータ） (2026-05-28T03:32:09Z)
• Measuring and Narrowing the Compositionality Gap in Language Models [116.5228850227024]
  モデルがすべてのサブプロブレムに正しく答えられる頻度を計測するが、全体の解は生成しない。 我々は,思考の連鎖をさらに改善する新たな手法である自己認識法を提案する。
  論文  参考訳（メタデータ） (2022-10-07T06:50:23Z)
• How Do We Answer Complex Questions: Discourse Structure of Long-form Answers [51.973363804064704]
  3つのデータセットから収集した長文回答の機能構造について検討した。 私たちの主な目標は、人間が複雑な答えを作るためにどのように情報を整理するかを理解することです。 我々の研究は、長期QAシステムの談話レベルのモデリングと評価に関する将来の研究に刺激を与えることができる。
  論文  参考訳（メタデータ） (2022-03-21T15:14:10Z)

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。