Fugu-MT 論文翻訳(概要): AdaTutor: Adaptive Tutoring through Pedagogical Strategy Selection

論文の概要: AdaTutor: Adaptive Tutoring through Pedagogical Strategy Selection

arxiv url: http://arxiv.org/abs/2610.34659v1
Date: Mon, 26 Oct 2026 00:44:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-27 22:27:13.657254
Title: AdaTutor: Adaptive Tutoring through Pedagogical Strategy Selection
Title（参考訳）: AdaTutor: 教育戦略選択による適応的チューニング
Abstract要約: 教師は、様々な教育戦略を用いて同じ学生の誤りに対処し、相互作用が進むにつれてそのアプローチを適用することができる。学生の学習に最適な戦略とフィードバックを選択するための学習フレームワークである比較教育スーパービジョン(CPS)を紹介した。
参考スコア（独自算出の注目度）: 25.271793762607462
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Effective tutoring requires determining not only what information to provide, but also which form of assistance to deliver. A tutor may address the same student error using various pedagogical strategies, adapting its approach as the interaction progresses. We introduce Comparative Pedagogical Supervision (CPS), a training framework to learn to select the optimal strategy and feedback for student learning. We evaluate CPS on math and science reasoning datasets. After five tutoring turns, CPS outperforms the strongest fixed-strategy baselines. The learned tutor transfers across datasets, and its strategy selection can also inform a separate API-based tutor.
Abstract（参考訳）: 効果的な家庭教師は、提供すべき情報だけでなく、提供すべき支援形態も決定する必要がある。教師は、様々な教育戦略を用いて同じ学生の誤りに対処し、相互作用が進むにつれてそのアプローチを適用することができる。学生の学習に最適な戦略とフィードバックを選択するための学習フレームワークである比較教育スーパービジョン(CPS)を紹介した。数学および科学推論データセットのCPSを評価する。 5回の学習の後、CPSは最強の定規ベースラインを上回ります。学習したチューターはデータセット間で転送され、その戦略選択はまた、別のAPIベースのチューターに通知する。

関連論文リスト

TACT: Taxonomy-Aligned Post-Training for Pedagogically Adaptive English Tutoring [40.018315504853966]
教育適応型ESLチューターの訓練後評価のための人為的枠組みであるTACT(Taxonomy-Aligned Conversational Tutor)を提案する。 TACTCorpusは、32,379のアノテーションと品質管理された強化トレーニングデータを使って、260人の真正な教師と学生の会話を豊かにする。 TACTBenchは78の教師コンテキストからなる戦略バランスの診断ベンチマークであり、TACTutorはバックボーンを20.30%改善している。
論文参考訳（メタデータ） (2026-08-04T17:16:14Z)
PedagoSense: A Pedology Grounded LLM System for Pedagogical Strategy Detection and Contextual Response Generation in Learning Dialogues [0.0]
PedagoSenseは2段階戦略分類器と大規模言語モデル生成を組み合わせたペドロジー基盤システムである。システムはまず、バイナリ分類器を用いて教育戦略が存在するかどうかを検知し、その後、特定の戦略を特定するためのきめ細かい分類を行う。
論文参考訳（メタデータ） (2026-02-01T11:38:18Z)
PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors [66.56586559631516]
大型言語モデル (LLM) は教育教師としての可能性を秘めている。しかし、異なる学習戦略は、異なる学生の個性に利益をもたらす。それにもかかわらず、現在のLLM教育システムは生徒の性格特性を考慮に入れていない。
論文参考訳（メタデータ） (2026-01-13T10:17:26Z)
Exploring LLMs for Predicting Tutor Strategy and Student Outcomes in Dialogues [48.99818550820575]
近年の研究では、教師が使う戦略が学生の成績に重大な影響を与えることが示されている。対話における教師戦略の予測に関する研究は少ない。本稿では,現代のLLM,特にLlama 3 と GPT-4o を用いて,対話における将来の教師の動きと学生の成果を予測する能力について検討する。
論文参考訳（メタデータ） (2025-07-09T14:47:35Z)
From Problem-Solving to Teaching Problem-Solving: Aligning LLMs with Pedagogy using Reinforcement Learning [82.50157695987558]
大規模言語モデル(LLM)は教育を変換することができるが、直接質問応答のための最適化はしばしば効果的な教育を損なう。オンライン強化学習(RL)に基づくアライメントフレームワークを提案する。
論文参考訳（メタデータ） (2025-05-21T15:00:07Z)
MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors [82.91830877219822]
我々は、総合的なチューリングモデル評価のためのオープンソースのベンチマークであるMathTutorBenchを紹介する。 MathTutorBenchには、ダイアログベースの教育における科学の研究によって定義された、家庭教師の能力をカバーするデータセットとメトリクスが含まれている。閉鎖的およびオープンウェイトなモデルの幅広いセットを評価し、問題解決能力によって示される課題の専門知識が、すぐには良い教育に変換されないことを発見した。
論文参考訳（メタデータ） (2025-02-26T08:43:47Z)
BIPED: Pedagogically Informed Tutoring System for ESL Education [11.209992106075788]
大規模言語モデル(LLM)は、容易に利用でき、コスト効率の良い会話型知能チューニングシステム(CITS)として機能する大きな可能性を秘めている。既存のCITSは、単純な概念だけを教えるか、多様な学習戦略に取り組むために必要な教育的な深さを欠くように設計されている。バイリンガル PEDagogically-informed Tutoring dataset of one-on-one, human-to- Human English tutoring Interaction。
論文参考訳（メタデータ） (2024-06-05T17:49:24Z)
Scalable and Equitable Math Problem Solving Strategy Prediction in Big Educational Data [2.86829428083307]
我々はMVecと呼ばれる埋め込みを開発し、学生の熟達度に基づいて表現を学習する。次に、これらの埋め込みを非パラメトリッククラスタリング法でクラスタ化する。提案手法は,大規模データセットの小さなサンプルをトレーニングすることで,高精度にスケールアップ可能であることを示す。
論文参考訳（メタデータ） (2023-08-07T19:51:10Z)
Strategize Before Teaching: A Conversational Tutoring System with Pedagogy Self-Distillation [35.11534904787774]
本稿では,教育応答生成と教育戦略予測を組み合わせた統合フレームワークを提案する。我々の実験と分析は、授業戦略がダイアログ学習に与える影響について光を当てた。
論文参考訳（メタデータ） (2023-02-27T03:43:25Z)
Distribution Matching for Machine Teaching [64.39292542263286]
機械学習の逆問題である機械学習は、学習者の目標仮説に向けて学習者を操ることを目的としている。機械教育に関するこれまでの研究は、それらの最良の指導例を見つけるための教育のリスクとコストのバランスに重点を置いていた。本稿では,分布マッチングに基づく機械教育戦略を提案する。
論文参考訳（メタデータ） (2021-05-06T09:32:57Z)

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。