論文の概要: Multi-sourced AI Tutor for Non-Native English Speaker Students

• arxiv url: http://arxiv.org/abs/2610.22163v1
• Date: Thu, 15 Oct 2026 16:26:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.190853
• Title: Multi-sourced AI Tutor for Non-Native English Speaker Students
• Title（参考訳）: 非負の英語話者のためのマルチソースAIチュータ
• Abstract要約: 我々は、外国語の学生の質問を処理し、バイリンガル応答を提供するAIチューターシステムの開発を行う。 提案手法は,新しい質問抽出機構を備えた特殊な検索拡張生成(RAG)パイプラインを利用する。 我々の研究は、AIチューターシステムの強化におけるマルチソースRAGパイプラインの可能性を強調した。
• 参考スコア（独自算出の注目度）: 0.6601833661431961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly being adopted as teaching tools in computing education, particularly for developing AI tutors capable of answering student questions. With the rise in enrollment of international students in computing programs, researchers have begun to explore the difficulties that non-native English speaker (NNES) students face in computing courses due to language barriers. To aid such students, we developed a general-purpose AI tutor system that can process student questions in foreign languages (currently focused on Mandarin) and provide bilingual responses. Our system also incorporates the functionality of generating a glossary of technical terms and their explanations to enhance comprehension. Our approach utilizes a specialized Retrieval-Augmented Generation (RAG) pipeline with a novel question extraction mechanism, enabling us to effectively utilize a diverse array of course materials for answering student queries. We evaluated our AI tutor using 91 Piazza posts, demonstrating that it could answer 83.52% of the posts correctly and in a helpful manner. The tutor also provided high-quality translations for 76.92% of the questions and generated technical term glossaries for 64.47% of them. Our findings underscore the potential of multi-source RAG pipeline in enhancing AI tutor systems, offering support for non-native speakers that are challenging to provide with traditional supporting staff of a computing course.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、コンピュータ教育における教育ツールとして、特に学生の質問に答えることのできるAIチューターの開発に、ますます採用されている。 コンピュータプログラムにおける国際学生の参加の増加に伴い、研究者は非ネイティブ英語話者(NNES)が言語障壁のためにコンピューティングコースで直面する困難を探求し始めている。 このような学生を支援するために、外国語(現在マンダリンに焦点をあてた)の学生質問を処理し、バイリンガル応答を提供する汎用AIチューターシステムを開発した。 また,技術用語の用語集を作成できる機能や,理解力を高めるための説明機能も備えている。 提案手法では,新しい質問抽出機構を備えた特殊な検索・拡張生成(RAG)パイプラインを用いて,学生問合せに多様な教材を効果的に活用する。 91のPiazzaポストを使用してAI家庭教師を評価し、投稿の83.52%を正しく有用な方法で回答できることを実証した。 教師は76.92%の質問に対して高品質な翻訳を提供し、64.47%の技術的用語集を作成した。 我々の発見は、AIチューターシステムの強化におけるマルチソースRAGパイプラインの可能性を強調し、コンピュータコースの伝統的なサポートスタッフを提供するのが困難な非ネイティブスピーカーのサポートを提供する。

関連論文リスト

• Design and Deployment of a Course-Aware AI Tutor in an Introductory Programming Course [3.8144358095849946]
  大規模言語モデル(LLM)は、学生がプログラミングタスクを解く方法の一部となり、即座に説明し、完全なソリューションも提供してきた。 これまでの研究では、初心者プログラマはLLMに大きく依存しているため、自分たちの問題解決スキルを欠いていることが強調されていた。 我々は、完全なソリューションを生成することなく、検索強化されたコースアラインガイダンスを提供する、コース固有のオンラインPythonチューターを設計した。
  論文  参考訳（メタデータ） (2026-04-12T08:17:25Z)
• Sakshm AI: Advancing AI-Assisted Coding Education for Engineering Students in India Through Socratic Tutoring and Comprehensive Feedback [1.9841192743072902]
  プログラミング教育のための既存のAIツールは、ソクラティックガイダンスの欠如など、重要な課題に直面している。 本研究では,1170名の登録参加者を対象に,プラットフォームログ,エンゲージメント傾向,問題解決行動を分析し,Sakhm AIの効果を評価する。
  論文  参考訳（メタデータ） (2025-03-16T12:13:29Z)
• Embracing AI in Education: Understanding the Surge in Large Language Model Use by Secondary Students [53.20318273452059]
  OpenAIのChatGPTのような大規模言語モデル(LLM)は、新しい教育の道を開いた。 学校制限にもかかわらず,中高生300人以上を対象に調査を行ったところ,学生の70%がLDMを利用していることがわかった。 我々は、対象特化モデル、パーソナライズドラーニング、AI教室など、このような問題に対処するいくつかのアイデアを提案する。
  論文  参考訳（メタデータ） (2024-11-27T19:19:34Z)
• Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants [176.39275404745098]
  我々は,2つのAIアシスタントであるGPT-3.5とGPT-4が適切な回答を得られるかどうかを評価する。 GPT-4は65.8%の質問を正解し、85.1%の質問に対して少なくとも1つの手順で正しい答えを出すことができる。 この結果から,AIの進歩を踏まえて,高等教育におけるプログラムレベルの評価設計の見直しが求められた。
  論文  参考訳（メタデータ） (2024-08-07T12:11:49Z)
• 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)
• CourseAssist: Pedagogically Appropriate AI Tutor for Computer Science Education [1.052788652996288]
  このポスターでは、コンピュータサイエンス教育用に作られた新しいLLMベースのチューターシステムであるCourseAssistを紹介している。 一般的なLLMシステムとは異なり、CourseAssistは検索強化生成、ユーザ意図分類、質問分解を使用して、AI応答を特定のコース材料や学習目標と整合させる。
  論文  参考訳（メタデータ） (2024-05-01T20:43:06Z)
• Teacher Perception of Automatically Extracted Grammar Concepts for L2 Language Learning [66.79173000135717]
  本研究は、カンナダ語とマラティ語という2つのインドの言語教育に適用する。 我々は、形態素構文(単語順、一致、ケースマーキング、または単語形成の学習)と意味論(語彙の学習)に関する疑問に答える自然なテキストコーパスから記述を抽出する。 我々は,北米の学校から言語教育者の助けを借りて手作業による評価を行い,教材が授業の準備や学習者評価に利用できる可能性を見出した。
  論文  参考訳（メタデータ） (2023-10-27T18:17:29Z)
• UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
  質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。 本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。 学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
  論文  参考訳（メタデータ） (2023-05-31T11:29:04Z)

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。