論文の概要: Edhivo: An AI-Native Platform for Scalable Assessment and Instant Feedback in Higher Education

• arxiv url: http://arxiv.org/abs/2610.36654v1
• Date: Tue, 27 Oct 2026 05:17:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.232993
• Title: Edhivo: An AI-Native Platform for Scalable Assessment and Instant Feedback in Higher Education
• Title（参考訳）: Edhivo: 高等教育におけるスケーラブルアセスメントとインスタントフィードバックのためのAI-Native Platform
• Abstract要約: Edhivoは、コンテンツ配信、アセスメント、レポートのための、AIネイティブな教育プラットフォームである。 あるモデルは、複数の選択とオープンな質問の両方に対して文脈認識アセスメントを生成する。 第二モデルでは, 学生の反応を多基準, ルーリックベースで評価する。
• 参考スコア（独自算出の注目度）: 5.272106655533596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scaling assessment in higher education faces two intertwined bottlenecks: the cognitive burden of authoring assessments and the inability to semantically evaluate open-ended responses, which together create a persistent feedback gap that hinders student learning outcomes. To address these challenges, we present Edhivo, an AI-native pedagogical platform that addresses both bottlenecks through a vertically integrated system for content delivery, assessment, and reporting. Edhivo employs a Dual-LLM pipeline: one model generates context-aware assessments for both multiple-choice and open-ended questions, from instructor-provided materials, while a second model performs multi-criteria, rubric-based evaluation of student responses, enabling near-instant qualitative feedback at multiple hierarchical levels. All AI interactions are source-grounded to reduce hallucination risk, and a Human-in-the-Loop review process preserves instructor authority. We demonstrate Edhivo's efficacy through a pilot deployment at Stony Brook University in a real classroom environment in 2026 spring, where it supports high-frequency assessment creation and evaluation for a cohort of 36 students throughout a full semester, significantly reducing authoring effort and feedback latency while enabling novel pedagogical designs centered on active learning.
• Abstract（参考訳）: 高等教育におけるスケールアセスメントは、オーサリングアセスメントの認知的負担と、オープンエンドの応答を意味的に評価できないという2つのボトルネックに直面している。 これらの課題に対処するために、コンテンツ配信、アセスメント、レポートのための垂直統合システムを通じて、両方のボトルネックに対処する、AIネイティブな教育プラットフォームであるEdhivoを紹介します。 1つのモデルがインストラクターが提供する材料から、複数の選択とオープンエンドの両方の質問に対する文脈認識アセスメントを生成し、もう1つのモデルは、複数の階層レベルで、ほぼインスタントな定性的なフィードバックを可能にする、複数の基準に基づく学生反応の評価を実行する。 すべてのAIインタラクションは、幻覚リスクを低減するためにソースベースで行われ、Human-in-the-Loopレビュープロセスはインストラクターの権限を保存する。 2026年春のStony Brook大学における実教室環境におけるパイロット導入によるEdhivoの有効性を実演し、36人の学生を対象に、全学期を通して高頻度評価の作成と評価をサポートし、著者の努力とフィードバックの遅延を大幅に低減するとともに、アクティブラーニングを中心とした新しい教育設計を可能にした。

関連論文リスト

• A Human-in-the-Loop Framework for AI-Assisted Scoring in Large-Scale Writing Assessment [0.0]
  本研究では,大規模国家評価における筆記応答のためのAI支援スコアリングフレームワークの設計と妥当性について述べる。 提案手法は,約150～200ワードの短いテキストに焦点をあて,手作業量を削減するとともに,評価品質の維持を図る。
  論文  参考訳（メタデータ） (2026-09-04T13:47:29Z)
• Making AI-Generated Feedback Matter: A Large-Scale Study of Feedback Workflows and Student Enactment [1.978444537409772]
  AI生成フィードバックの教育的価値は、フィードバックコメントの品質だけでなく、フィードバックリテラシープロセスの実践を積極的に構成することにも依存する。 汎用ワークフロー設計は、生産的なフィードバックの使用の中心である。
  論文  参考訳（メタデータ） (2026-08-12T04:12:34Z)
• An LLM -Powered Assessment Retrieval-Augmented Generation (RAG) For Higher Education [0.0]
  本研究では,Retrieval-Augmented Generationアーキテクチャに基づくエージェントアセスメントシステムを提案する。 このシステムは,大規模な言語モデルと,ルーブリック基準やエッセイ,インストラクターのフィードバックなどにアクセスする構造化された検索機構を統合している。 以上の結果から,RAGシステムは信頼性の高いルーブリック整合フィードバックを大規模に生成し,94～99%の人が評価できることがわかった。
  論文  参考訳（メタデータ） (2026-01-05T15:13:00Z)
• Monocle: Hybrid Local-Global In-Context Evaluation for Long-Text Generation with Uncertainty-Based Active Learning [63.531262595858]
  分数的・対数的アプローチは、総合的な評価タスクを局所的なスコアリングタスクに分割し、続いて最終的なグローバルアセスメントを行う。 局所的およびグローバルな評価の両面での性能を高めるために,人間のアノテーションを活用するハイブリッド・イン・コンテキスト・ラーニング・アプローチを導入する。 最後に,人間のアノテーションに対するデータサンプルを効率的に選択する不確実性に基づく能動学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2025-05-26T16:39:41Z)
• Towards Generalized Video Quality Assessment: A Weak-to-Strong Learning Paradigm [76.63001244080313]
  映像品質評価(VQA)は、人間の視覚的知覚に合わせて映像の知覚的品質を予測することを目的としている。 支配的なVQAパラダイムは、人間のラベル付きデータセットによる教師付きトレーニングに依存している。 我々は、大規模な人ラベルデータセットに頼らずにVQAを進めるための新しいパラダイムとして、弱い対強学習(W2S)を探求する。
  論文  参考訳（メタデータ） (2025-05-06T15:29:32Z)
• HREF: Human Response-Guided Evaluation of Instruction Following in Language Models [61.273153125847166]
  我々は新しい評価ベンチマークHREF(Human Response-Guided Evaluation of Instruction following)を開発した。 HREFは信頼性の高い評価を提供するだけでなく、個々のタスクのパフォーマンスを強調し、汚染を受けない。 本稿では,評価セットのサイズ,判断モデル,ベースラインモデル,プロンプトテンプレートなど,HREFにおける鍵設計選択の影響について検討する。
  論文  参考訳（メタデータ） (2024-12-20T03:26:47Z)
• AERA Chat: An Interactive Platform for Automated Explainable Student Answer Assessment [15.969280805269976]
  AERA Chatは、生徒の回答の自動評価のために設計されたインタラクティブな視覚化プラットフォームである。 AERA Chatは複数の言語モデル(LLM)を活用して、生徒の回答を同時にスコアし、説明的合理性を生成する。 複数のデータセットに対する複数の合理的生成手法の評価を通じて,プラットフォームの有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-12T11:57:53Z)
• Distantly-Supervised Named Entity Recognition with Adaptive Teacher Learning and Fine-grained Student Ensemble [56.705249154629264]
  NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。 本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。 微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
  論文  参考訳（メタデータ） (2022-12-13T12:14:09Z)
• Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy Evaluation Approach [84.02388020258141]
  強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。 ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。 実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-02-20T03:29:20Z)

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。