論文の概要: Feedback Without the Wait: Piloting a Generative AI Practice Platform in a Large Maths Class

• arxiv url: http://arxiv.org/abs/2610.01262v1
• Date: Thu, 01 Oct 2026 07:52:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.977824
• Title: Feedback Without the Wait: Piloting a Generative AI Practice Platform in a Large Maths Class
• Title（参考訳）: 待機のないフィードバック:大規模数学の授業で生成AI実践プラットフォームをパイロット化する
• Abstract要約: 我々は,自己指揮型実践中に即時かつ足場付きフィードバックを提供するGenAI実践プラットフォームを開発した。 これにより、人間の監視をリアルタイムのグレーティングから、ソリューションの事前検証に置き換える。 我々のゴールは、学生がツールにどのように関わるか、フィードバックの価値と信頼性をどう認識するか、そして他の工学科目へどのような教訓が伝達されるかを理解することであった。
• 参考スコア（独自算出の注目度）: 7.291043130744845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Timely and specific feedback is one of the strongest influences on student learning, yet it is difficult to sustain in large electrical engineering classes where the ratio of students to demonstrators is high and a learner who is stuck may wait days to find out why an approach was wrong. Generative Artificial Intelligence (GenAI) offers a way to scale conversational feedback, but using it to grade assessed work raises trust and accountability concerns, and keeping a human in the loop to assure its judgements reintroduces the very delay that erodes the value of feedback. The result is a tension between the immediacy that makes feedback so impactful and the human oversight that makes it trustworthy. In this work, we set out to resolve that tension in practice by designing and piloting a GenAI practice platform that delivers immediate, scaffolded feedback during self-directed practice. This relocates human oversight from real-time grading to the upfront verification of solutions. Our goal was to understand how students engaged with the tool, how they perceived the value and reliability of its feedback, and what lessons transfer to other engineering subjects.
• Abstract（参考訳）: タイムリーかつ具体的なフィードバックは、学生の学習に最も強い影響の1つであるが、学生とデモ参加者の比率が高く、立ち往生している学習者が何日も待つことで、なぜアプローチが間違っているかを知ることは困難である。 Generative Artificial Intelligence(GenAI)は、会話によるフィードバックをスケールする方法を提供するが、評価された作業の評価に使用すると、信頼と説明責任の懸念が高まる。 その結果、フィードバックをこれほどインパクトのあるものにする即時性と、それを信頼できるものにする人間の監視との間に緊張が生じます。 本研究は,GenAI実践プラットフォームを設計,試験的に設計し,自己指揮型実践中に即時かつ足場付きフィードバックを提供することによって,実践上の緊張を解消することを目的としている。 これにより、人間の監視をリアルタイムのグレーティングから、ソリューションの事前検証に置き換える。 我々のゴールは、学生がツールにどのように関わるか、フィードバックの価値と信頼性をどう認識するか、そして他の工学科目へどのような教訓が伝達されるかを理解することであった。

関連論文リスト

• What Drives Interactive Improvement from Feedback? [0.7330217643497284]
  本研究では,繰り返し試みだけで得られる利得を超えて,自然言語フィードバックがいつ改善をもたらすかを検討する。 マルチターン言語エージェントの設定では、より高い最終的な精度は有用なフィードバックを反映することができるが、再サンプリング、フォーマット修正、追加のテスト時間計算から生じることもある。 我々は,Omni-MATH,Codeforces,BBEH Linguini,ARC-AGI1にまたがる学生教育プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-06-29T18:06:36Z)
• LLM-based Multimodal Feedback Produces Equivalent Learning and Better Student Perceptions than Educator Feedback [4.225232488376583]
  本研究では,構造化テキスト記述を動的マルチメディアリソースと統合したリアルタイムAIファシリケート型マルチモーダルフィードバックシステムを提案する。 オンラインクラウドソーシング実験では,3次元の教育者による固定されたビジネス・アズ・ユースフィードバックと比較した。 その結果、AIマルチモーダルフィードバックは、元の教育者フィードバックに匹敵する学習の獲得を達成し、認知負荷の明確さ、特異性、簡潔性、モチベーション、満足度、および認知負荷の低減を著しく上回った。
  論文  参考訳（メタデータ） (2026-01-21T18:58:08Z)
• Directive, Metacognitive or a Blend of Both? A Comparison of AI-Generated Feedback Types on Student Engagement, Confidence, and Outcomes [1.8839714322633465]
  本研究は,329名の学生を対象に,適応型教育プラットフォームを用いた授業設計・プログラミングコースにおいて,学期間無作為化比較試験を行った。 参加者は、指示的、メタ認知的、あるいはハイブリッドなAI生成フィードバックを受け取り、指示的、メタ認知的の両方の要素をブレンドする。 その結果、リビジョン行動はフィードバック条件によって異なり、ハイブリットはディレクティブやメタ認知と比較して最も多くのリビジョンを促すことがわかった。
  論文  参考訳（メタデータ） (2025-10-22T15:31:21Z)
• "My Grade is Wrong!": A Contestable AI Framework for Interactive Feedback in Evaluating Student Essays [6.810086342993699]
  本稿では,対話型フィードバックを自動生成するContestable AI Empowered LLM FrameworkであるCAELFを紹介する。 CAELFは、マルチエージェントシステムと計算的議論を統合することで、学生がフィードバックをクエリし、挑戦し、明確化することができる。 ユーザスタディを用いた500の批判的思考エッセイのケーススタディでは,CAELFが対話的フィードバックを大幅に改善することが示された。
  論文  参考訳（メタデータ） (2024-09-11T17:59:01Z)
• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [46.667783153759636]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
  本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。 モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。 実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-28T14:32:15Z)
• Is Feedback All You Need? Leveraging Natural Language Feedback in Goal-Conditioned Reinforcement Learning [54.31495290436766]
  我々はBabyAIを拡張し、環境力学と目標条件の成功から言語フィードバックを自動的に生成する。 我々は、この付加信号を利用するために、決定変換器アーキテクチャを変更する。 言語フィードバックによるトレーニングは, エージェントの一般化性能を向上させること, あるいは, 目標記述に代えて行うことが確認された。
  論文  参考訳（メタデータ） (2023-12-07T22:33:34Z)
• Continual Learning for Instruction Following from Realtime Feedback [23.078048024461264]
  我々は,協調作業中のユーザからのフィードバックから,指示追従エージェントを継続的に訓練するためのアプローチを提案し,展開する。 対話中、人間のユーザは自然言語を使ってエージェントに指示し、指示に従ってエージェントを観察するときにリアルタイムのバイナリフィードバックを提供する。 我々は、ユーザのフィードバックを即時報酬に変換する、文脈的帯域幅学習アプローチを設計する。 我々は、何千もの人間とエージェントの相互作用を通じて評価し、時間とともに命令の実行精度が15.4%向上したことを示す。
  論文  参考訳（メタデータ） (2022-12-19T18:39:43Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• PEBBLE: Feedback-Efficient Interactive Reinforcement Learning via Relabeling Experience and Unsupervised Pre-training [94.87393610927812]
  我々は、フィードバックと非政治学習の両方の長所を生かした、非政治的、インタラクティブな強化学習アルゴリズムを提案する。 提案手法は,従来ヒト・イン・ザ・ループ法で検討されていたよりも複雑度の高いタスクを学習可能であることを実証する。
  論文  参考訳（メタデータ） (2021-06-09T14:10:50Z)
• Facial Feedback for Reinforcement Learning: A Case Study and Offline Analysis Using the TAMER Framework [51.237191651923666]
  訓練者の表情からエージェント学習の可能性について,評価フィードバックとして解釈することで検討した。 設計したCNN-RNNモデルを用いて,学習者に対して表情とコンペティションの使用を指示することで,肯定的および否定的なフィードバックを推定する精度を向上させることができることを示す。 シミュレーション実験の結果,表情に基づく予測フィードバックのみから学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-01-23T17:50:57Z)

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。