論文の概要: From Written Response to Dialogue with AI: How Activity Format, Interaction Modality, and Language Impact Student Learning and Engagement
- arxiv url: http://arxiv.org/abs/2610.07483v1
- Date: Mon, 05 Oct 2026 22:48:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.697759
- Title: From Written Response to Dialogue with AI: How Activity Format, Interaction Modality, and Language Impact Student Learning and Engagement
- Title（参考訳）: 書記応答からAIとの対話へ - 活動形式, 相互作用モダリティ, 言語が学生の学習とエンゲージメントにどのように影響するか-
- Abstract要約: 本研究は、英語のみまたはバイリンガルなカンナダ・イングリッシュ・セッティングで実施された、文章による応答活動とAIを比較した。
対話活動を終えた学生は、活動により多くの時間を費やし、より多くの貢献を行い、回答を完了した生徒よりも興味と自己効力があったと報告した。
バイリンガル相互作用は音声対話において特に有益であり, 調音困難を減らし, 交互に理解し, 会話の放棄を減らした。
- 参考スコア（独自算出の注目度）: 12.464260648014267
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The widespread availability of LLMs is challenging written learning activities, as students can increasingly generate responses without necessarily engaging with the learning content. Conversational AI creates an opportunity to redesign these activities as dialogue, while multilingual capabilities may make such dialogue more accessible to students learning through a non-native language. We conducted a field study with 305 native Kannada-speaking undergraduate students at English-medium institutions in Karnataka, India. We compared written response activities with text- and voice-based dialogic activities with AI, each conducted in English-only or bilingual Kannada-English settings. Students who completed dialogic activities spent more time on the activities, contributed more, and reported greater interest and self-efficacy than those completing written responses, although fewer students completed the dialogic activities overall. Knowledge increased across all conditions, with no reliable differences in gains between activity formats or languages. Language shaped participation differently across modalities: bilingual interaction was particularly beneficial in voice dialogue, where it reduced articulation difficulties, increased turns demonstrating understanding, and reduced conversation abandonment. However, students also valued English because of its connection to their academic and professional aspirations. These findings show that designing dialogic learning with AI requires more than choosing between writing and dialogue, voice and text, or English and students' native languages. We highlight opportunities to give learners greater control over modality, information, and pace, and to use native languages as translanguaging support rather than as a replacement for English.
- Abstract（参考訳）: LLMが広く普及することは、学生が必ずしも学習内容に関わらなくても、ますます反応を生成できるため、文章による学習活動が困難である。
会話型AIは、これらのアクティビティを対話として再設計する機会を生み出す一方、多言語的能力は、非ネイティブ言語を通じて学習する学生にそのような対話をよりアクセスしやすくする。
インド・カルナタカ(Karnataka)の英語教育機関で,カンナダ語話者305名を対象に現地調査を行った。
文章応答活動とテキスト・音声対話活動とをAIと比較し,それぞれ英語・バイリンガル・カンナダ・イングリッシュ・セッティングで実施した。
ダイアログ活動を完了した学生は活動により多くの時間を費やし、より多くの貢献を行い、回答を完了した学生よりも興味と自己効力があると報告したが、全体的なダイアログ活動が完了した学生は少ない。
知識はあらゆる条件で増加し、活動形式や言語間の利得の信頼性は変化しなかった。
バイリンガル対話は、音声対話において特に有益であり、声調の難しさを減らし、理解力を高め、会話の放棄を減らした。
しかし、学生は学術的・専門的な願望と結びついて英語を重んじた。
これらの結果から、AIを用いた対話型学習の設計には、文章と対話、音声とテキスト、英語と学生の母国語の選択以上のものが必要であることが示唆された。
我々は,学習者がモダリティ,情報,ペースをよりコントロールし,母国語を英語の代用としてではなくトランスランゲージ支援として利用する機会を強調した。
関連論文リスト
- LiveBo: Empowering Non-Chinese Speaking Students through AI-Driven Real-Life Scenarios in Cantonese [1.631115063641726]
本研究では,NCS学生のエンゲージメント向上と言語習得における対話型社会ロボットと統合されたシナリオシミュレーションの有効性について検討した。
この研究は、AI駆動のロボット支援言語学習システムLiveBoと対話するNCSの学生を含む準実験的なデザインを採用している。
調査の結果,NCS学生は行動的,感情的エンゲージメント,モチベーション,学習成績において肯定的な改善を経験していることが示唆された。
論文 参考訳（メタデータ） (2026-01-03T16:25:17Z) - Analyzing Information-Seeking Behaviors in a Hakka AI Chatbot: A Cognitive-Pragmatic Study [2.928395244258111]
我々は,6つの認知レベルと11種類の対話行動タイプに応じて,注意深いアノテートを行った7,077人のユーザ発話を分析した。
結果は、生成型AIチャットボットが意味のある方法で言語学習をサポートすることを示唆している。
この研究は、AIによる言語学習に焦点を当てることで、テクノロジーが言語保存と教育実践をどのようにサポートするかについての新しい洞察を提供する。
論文 参考訳（メタデータ） (2025-09-15T05:18:17Z) - SingaKids: A Multilingual Multimodal Dialogic Tutor for Language Learning [33.91186948786452]
画像記述タスクによる言語学習を支援するための対話型チューターであるSingaKidsを紹介する。
本システムでは, 画像キャプション, 多言語対話, 音声理解, 係り受け音声生成を統合し, 没入型学習環境を構築する。
論文 参考訳（メタデータ） (2025-06-03T03:56:45Z) - Towards Developmentally Plausible Rewards: Communicative Success as a Learning Signal for Interactive Language Models [49.22720751953838]
本研究では,子どもの言語習得に触発された対話型環境で言語モデルを訓練する手法を提案する。
この設定では、話者は1ターンの対話でリスナーに何らかの情報を伝達しようと試み、コミュニケーションの成功が達成されれば報酬を受け取る。
論文 参考訳（メタデータ） (2025-05-09T11:48:36Z) - Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs [49.18567856499736]
本研究では,大規模言語モデル(LLM)が対話学習を支援することができるかどうかを検討する。
我々は,学習者の知識レベルを対話全体にわたって追跡するために,ラベル付きデータに知識追跡(KT)手法を適用した。
我々は,2つの学習対話データセットの実験を行い,従来のKT手法よりも学生の反応の正しさを予測できる新しいLCM-based method LLMKTが優れていることを示す。
論文 参考訳（メタデータ） (2024-09-24T22:31:39Z) - EDEN: Empathetic Dialogues for English learning [18.15602535467144]
学生の情熱と忍耐は、言語学習の成功に結びついている。
最近の研究は、学生が英語の教師をより支援的だと認識するにつれて、彼らの満足度が向上していることを証明している。
本実験は,適応的共感フィードバックを用いることで,感情支援が向上することが示唆された。
論文 参考訳（メタデータ） (2024-06-25T23:36:16Z) - Self-Explanation Prompting Improves Dialogue Understanding in Large
Language Models [52.24756457516834]
大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。
このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。
6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
論文 参考訳（メタデータ） (2023-09-22T15:41:34Z) - User Adaptive Language Learning Chatbots with a Curriculum [55.63893493019025]
語彙的に制約されたデコーディングをダイアログシステムに適用し、ダイアログシステムに対して、その生成した発話にカリキュラムに準拠した単語やフレーズを含めるよう促す。
評価の結果,カリキュラム注入によるダイアログシステムにより,対象語に対する生徒の理解が向上し,英語実践への関心が高まることが示された。
論文 参考訳（メタデータ） (2023-04-11T20:41:41Z) - Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。
現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。
人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
論文 参考訳（メタデータ） (2023-01-24T11:00:17Z) - TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented
Dialogue [113.45485470103762]
本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。
事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
論文 参考訳（メタデータ） (2020-04-15T04:09:05Z)
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。