論文の概要: An Educator-Guided LLM Pedagogical Agent for Scaffolded Feedback in Conceptual Database Design

• arxiv url: http://arxiv.org/abs/2610.00870v1
• Date: Thu, 01 Oct 2026 00:38:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.83283
• Title: An Educator-Guided LLM Pedagogical Agent for Scaffolded Feedback in Conceptual Database Design
• Title（参考訳）: 概念データベース設計における疑似フィードバックのための教育者ガイド型LLM教育エージェント
• Abstract要約: このシステムは、学生のアーティファクト、割り当て要求、教育者が認可したルーリック、および教育資源へのフィードバックを基盤としている。 そのアーキテクチャは、隠れたアーティファクトの診断と、学生向けのサポートのフォームと開示レベルを制御するワークフローを分離する。
• 参考スコア（独自算出の注目度）: 0.6875312133832079
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an educator-guided LLM pedagogical agent for scaffolded feedback in conceptual database design. Integrated into an entity--relationship diagram (ERD) editor, the system grounds feedback in the student artifact, assignment requirements, educator-authored rubrics, and instructional resources. Its architecture separates hidden, artifact-grounded diagnosis from the workflow that controls the form and disclosure level of student-facing support. We instantiate the architecture as a four-stage workflow progressing from concept checks and guided application to low-detail feedback and localized clarification. Each feedback request creates a stateful episode linked to versioned ERD states. In a deployment spanning three ERD environments and 383 feedback episodes, 71.1\% of observed target-level changes fully or partially incorporated the hidden diagnostic target, including many after Stages~1--2. Qualitative analysis showed that staged disclosure sometimes withheld inaccurate details, supported selective uptake, or allowed later recovery, though some errors still shaped revisions. Survey responses from a self-selected sample favored delayed disclosure and student agency but noted indirectness and repetition.
• Abstract（参考訳）: 本稿では,概念データベース設計における足場フィードバックのための教育者誘導型LLM教育エージェントを提案する。 エンティティ・リレーショナル・ダイアグラム(ERD)エディタに統合され、システムは学生のアーティファクト、割り当て要求、教育者が認可したルーリック、教育リソースのフィードバックを基盤とする。 そのアーキテクチャは、隠れた人工的な診断を、学生が直面するサポートのフォームと開示レベルを制御するワークフローから切り離している。 アーキテクチャを,コンセプトチェックやガイドアプリケーションから低詳細フィードバック,局所的明確化に至るまで,4段階のワークフローとしてインスタンス化する。 各フィードバックリクエストは、バージョン管理されたEDRステートにリンクされたステートフルなエピソードを生成する。 3つのEDD環境と383回のフィードバックエピソードにまたがるデプロイメントでは、観測対象レベルの変更の71.1\%が隠れた診断対象を完全にあるいは部分的に組み込んだ。 定性的な分析では、段階的な開示は時に不正確な詳細を保持せず、選択的な取り込みを支持したり、後の回復を可能にした。 自己選択標本からの回答は, 開示の遅れや学生代理店を好んだが, 間接性や反復性が指摘された。

関連論文リスト

• A Graph-Based Reinforcement Learning Framework for Structured Drift Diagnosis and Recovery in Autonomous LLM Agents [0.5249805590164902]
  既存のアプローチは、迅速なレベルでのドリフトに対処するが、ステップレベルの検出、リスクアセスメント、リカバリ決定のための構造的なメカニズムが欠如している。 この作業は、代わりにプラグインとプレイのリカバリモジュールをターゲットにしている。 グラフベースのフレームワークでは、リカバリグラフの各ノードに特化するための強化学習を通じて、単一の小さな言語モデルをトレーニングする。
  論文  参考訳（メタデータ） (2026-08-14T09:12:14Z)
• From SQL Errors to Concept Gaps: An AI-Powered Knowledge Graph Analytics Platform for Personalized Feedback [3.052375295075672]
  本稿では,AIを活用した知識グラフプラットフォームについて述べる。 NATURAL JOINの誤用は、JOIN、GROUP BY、Havingの相互の誤解を反映している。 本稿では,教材からコース概念と関係を自動的に抽出し,グラフデータベースを通じて学生の投稿トレースにリンクし,概念レベルでエラーを分類するプラットフォームを提案する。
  論文  参考訳（メタデータ） (2026-08-04T04:40:01Z)
• VAD: Attributing Visual Evidence for Target Reconstruction in Multimodal On-Policy Distillation [46.347555076026964]
  マルチモーダル・オン・ポリティクス蒸留は、生徒が生成した軌跡を教師に監督することで、きめ細かい視覚的知識を伝達する。 主な課題は、どの補正が、どのように蒸留するかだけでなく、視覚的証拠によって支えられているかを推定することである。 本稿では,教師の補正の視覚的帰属部分を推定する対物目標再構成アルゴリズムである視覚属性蒸留(VAD)を紹介する。
  論文  参考訳（メタデータ） (2026-07-30T17:43:46Z)
• Agentic Collaborative Cognition for Zero-Shot 3D Understanding [57.854375071638856]
  本研究では,高レベル視点計画の処理に計画エージェントを割り当てる協調型マルチエージェントフレームワークを提案する。 知覚エージェントは、3Dシーンを構造化された全体的認知マップに明示的に要約する。 ScanReferでは11.1%のAcc@0.5、3D支援ダイアログでは14.6 BLEU-1、SQA3Dでは2.1 EM、最先端の6ベンチマークでは2.1 EMを実現している。
  論文  参考訳（メタデータ） (2026-06-23T14:44:04Z)
• ReVSI: Rebuilding Visual Spatial Intelligence Evaluation for Accurate Assessment of VLM 3D Reasoning [59.558706734431276]
  空間知能の現在の評価は、現代の視覚言語モデル(VLM)設定下で体系的に無効にすることができる。 本稿では,各QAペアが実際の入力の下で応答可能で正しいことを保証するためのベンチマークとプロトコルであるReVSIを紹介する。
  論文  参考訳（メタデータ） (2026-04-27T10:45:51Z)
• S-GRADES -- Studying Generalization of Student Response Assessments in Diverse Evaluative Settings [2.010691774041283]
  長いエッセイから短い事実回答への学生の反応を評価することは、NLPの教育において重要な課題である。 S-GRADESは、14の多様なグレーティングデータセットを統一インターフェースで統合するWebベースのベンチマークである。 S-GRADESの実用性を実証するために,複数の推論手法を用いて,ベンチマーク全体で最先端の3つの大規模言語モデルを評価した。
  論文  参考訳（メタデータ） (2026-03-10T21:11:51Z)
• Optimizing LLM Annotation of Classroom Discourse through Multi-Agent Orchestration [0.21410799064827235]
  大規模言語モデル(LLM)は、教育データを注釈付けするためのスケーラブルなツールとしてますます位置づけられている。 しかし, シングルパスLCMの出力は, ハイテイクな教育施設では信頼性が低いことが示唆されている。 このスケールと妥当性の緊張は、現代の教育データ科学の核心にある。
  論文  参考訳（メタデータ） (2026-03-08T16:51:03Z)
• Part Representation Learning with Teacher-Student Decoder for Occluded Person Re-identification [65.63180725319906]
  本稿では,隠蔽者ReIDのためのTSD(Teacher-Student Decoder)フレームワークを提案する。 提案するTSDは,Parsing-aware Teacher Decoder (PTD) と標準学生デコーダ (SSD) から構成される。
  論文  参考訳（メタデータ） (2023-12-15T13:54:48Z)
• Test-time Adaptation with Slot-Centric Models [63.981055778098444]
  Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。 我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-03-21T17:59:50Z)

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。