論文の概要: Voice-Based AI Feedback in Higher Education: A Field Study on Quality and Actionability
- arxiv url: http://arxiv.org/abs/2610.25560v1
- Date: Sun, 18 Oct 2026 21:54:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 13:28:34.189285
- Title: Voice-Based AI Feedback in Higher Education: A Field Study on Quality and Actionability
- Title（参考訳）: 高等教育における音声ベースのAIフィードバック:品質と行動可能性に関するフィールドスタディ
- Abstract要約: 学生のフィードバックは、高等教育の継続的な改善にとって重要なインプットである。
従来の終末調査では、反応率が低く、表面回答が低く、満足度が低く、行動性が制限されていた。
この研究提案は、音声ベースの会話型AIエージェントが高等教育においてどのような特性、深さ、戦略的価値フィードバックを収集しているかを問うものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Student feedback is a critical input for continuous improvement in higher education, yet traditional end-of-semester written surveys suffer from low response rates, superficial answers, satisficing, and limited actionability. Voice-based conversational AI agents can conduct structured interviews at scale, asking open-ended questions and probing follow-ups, and may capture richer qualitative feedback than written instruments. This research proposal asks what characteristics, depth, and strategic value feedback collected through voice-based conversational AI agents has in higher education, and whether such agents elicit detailed, honest, and actionable feedback that can support instructional improvement and institutional learning. Drawing on survey-mode-effects research, the Computers As Social Actors (CASA) paradigm, and dynamic capabilities theory, we develop three hypotheses on elaboration, social presence and disclosure, and actionability. A completed technical pilot at the Technical University of Munich established the feasibility of telephone-based AI interviews; the main field study is planned for the "Advanced Leadership Communication" course at MIT Sloan with approximately 60 students, using a convergent mixed-methods design and a four-dimensional coding framework for actionability (specificity, thematic richness, constructive orientation, contextual depth). The study extends CASA theory to evaluative educational settings, characterizes voice-based AI as a distinct feedback modality, and links micro-level feedback quality to institutional sensing capabilities.
- Abstract（参考訳）: 学生のフィードバックは高等教育の継続的な改善にとって重要なインプットであるが、伝統的な終末調査では、低応答率、表面回答、満足度、限られた行動可能性に悩まされている。
音声ベースの会話型AIエージェントは、大規模に構造化されたインタビューを行い、オープンエンドの質問をし、フォローアップを探索することができる。
本提案では,音声ベースの対話型AIエージェントを通じて収集された特徴,深さ,戦略的価値フィードバックが高等教育にどのような影響を与えているのか,また,そのエージェントが教育改善と制度学習を支援するための詳細な,誠実で行動可能なフィードバックを求めているのかを問う。
調査モード効果研究,コンピュータ・アズ・ソーシャル・アクター(CASA)パラダイム,動的能力理論に基づいて,実験・社会的存在・開示・行動可能性の3つの仮説を策定した。
ミュンヘン工科大学の修了した技術パイロットは、電話ベースのAIインタビューの実現可能性を確立し、MIT Sloanの"Advanced Leadership Communication"コースで約60人の学生を対象に、統合された混合メソッド設計とアクションビリティのための4次元コーディングフレームワーク(具体性、テーマの豊かさ、構成的指向、文脈的深さ)を使用して、主要な研究が計画されている。
この研究は、CASA理論を評価的な教育環境に拡張し、音声ベースのAIを異なるフィードバックモダリティとして特徴づけ、マイクロレベルのフィードバック品質と制度的な知覚能力とを結びつける。
関連論文リスト
- A Comparative Study of Technical Writing Feedback Quality: Evaluating LLMs, SLMs, and Humans in Computer Science Topics [3.2351366072725596]
本研究では,Large Language Models(LLM),Small Language Models(SLM),人工知能(AI)ツールによるフィードバックの質について検討する。
読みやすさ,詳細性,特異性,行動性,有用性,全体的な品質など,複数の基準に基づいて評価されたフィードバック品質に対する学生の視点を分析した。
我々の研究結果は、AIと人間のフィードバックを組み合わせて、大規模に効率的で高品質なフィードバックを実現するハイブリッドアプローチの可能性を強調している。
論文 参考訳（メタデータ） (2025-12-01T22:51:54Z) - Artificial Intelligence Agents in Music Analysis: An Integrative Perspective Based on Two Use Cases [0.0]
本稿では,音楽分析と教育に応用されたAIエージェントの総合的レビューと実験的検証について述べる。
ルールベースモデルから、ディープラーニング、マルチエージェントアーキテクチャ、検索拡張生成フレームワークを含む現代的アプローチへの歴史的進化を合成する。
実験の結果,AIエージェントは音楽パターン認識,構成パラメータ化,教育的フィードバックを効果的に強化することがわかった。
論文 参考訳（メタデータ） (2025-11-17T23:46:47Z) - Calibrated Generative AI as Meta-Reviewer: A Systemic Functional Linguistics Discourse Analysis of Reviews of Peer Reviews [0.07999703756441755]
生成AIは、効果的な人間のフィードバックの重要な修辞的および関係的な特徴を近似することができる。
生成型AIメタフィードバックは、フィードバックリテラシーを足場として、ピアレビューによるリーンエンゲージメントを高める可能性がある。
論文 参考訳（メタデータ） (2025-09-18T15:00:44Z) - Designing Conversational AI to Support Think-Aloud Practice in Technical Interview Preparation for CS Students [8.444343781409207]
LLMを用いた技術面接実践ツールを用いて17名の被験者を対象に調査を行った。
主なデザインレコメンデーションは、技術インタビューシミュレーションのための会話型AIにおける社会的プレゼンスを促進することである。
交差点の課題やそれに対応するための潜在的戦略など,幅広い考察を考察した。
論文 参考訳（メタデータ） (2025-07-19T00:15:05Z) - Challenges for AI in Multimodal STEM Assessments: a Human-AI Comparison [15.814479753448412]
生成AIシステムは急速に進歩し、テキストベースのタスク以外の推論を可能にするマルチモーダル入力機能を備えている。
教育においては、これらの進歩は評価設計と質問応答に影響を与え、機会と課題の両方を提示する。
本研究は,これらの特徴が学生に比較して,生成的AI性能にどのように影響するかを分析する。
論文 参考訳（メタデータ） (2025-07-02T12:06:46Z) - The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。
我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文 参考訳（メタデータ） (2025-06-09T18:37:14Z) - A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。
本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
論文 参考訳（メタデータ） (2025-04-07T21:01:25Z) - 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。