論文の概要: Automated Feedback to Peer Tutors Increases Their Talk Moves and Learner Reasoning but Not the Balance of Talk

• arxiv url: http://arxiv.org/abs/2611.07072v1
• Date: Wed, 04 Nov 2026 19:29:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.438529
• Title: Automated Feedback to Peer Tutors Increases Their Talk Moves and Learner Reasoning but Not the Balance of Talk
• Title（参考訳）: Peer Tutorsへの自動フィードバックは、会話の移動と学習者の推論を増加させるが、会話のバランスは保たない
• Abstract要約: Schoolhouse.worldプラットフォーム上の2つの4週間SAT数学ブートキャンプにおけるランダム化制御試験の結果を報告する。 教師へのフィードバックは,学習者のアイデアの引き抜き,学習者のコントリビューションの獲得,学習者の推論を8～15%増加させた。 13人の学習者へのインタビューは,学習者に対するフィードバックにはほとんど効果がなかったことを示唆している。
• 参考スコア（独自算出の注目度）: 3.9283444594471018
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated feedback on classroom discourse improves instruction in professional and online teaching contexts, and recent work suggests that delivering similar feedback to learners may strengthen these effects by sharing responsibility for participation. Whether this holds in small-group volunteer tutoring has not been tested. We present results from a randomized controlled trial across two four-week SAT mathematics bootcamps on the Schoolhouse.world platform, involving 1,030 volunteer tutors, 7,443 learners and 6,508 recorded sessions. Tutors were randomly assigned to receive no feedback, automated feedback on their own discourse, or that feedback together with participation feedback delivered to their learners under one of two motivational framings. Feedback to tutors increased eliciting of learner ideas, uptake of learner contributions, and learner reasoning by 8-15%, and the pattern replicated across both bootcamps. However, tutor talk time, which averaged 91.5% in the control group, did not change in any condition, and learner-facing feedback did not further change discourse. Interviews with 17 tutors indicate that they adopted the moves the feedback recommended but were limited by learners who did not respond. Interviews with 13 learners suggest why the learner-facing feedback had little effect: it reported a group-level rather than a learner-level statistic, some learners preferred to listen, and learner-to-learner interaction was rare in these sessions. Automated feedback can change how tutors invite learner thinking, but shifting how much learners talk likely requires changes beyond feedback.
• Abstract（参考訳）: 教室談話における自動フィードバックは、専門的・オンライン教育の文脈における指導を改善するものであり、近年の研究では、学習者に同様のフィードバックを提供することで、参加に対する責任を共有することによって、これらの効果を高めることが示唆されている。 少人数のボランティアの指導にこの効果があるかは、まだ検証されていない。 学習者7,443名,記録セッション6,508名を含む4週間のSAT数学ブートキャンプを対象とし,学習者1030名を対象にランダム化試験を行った。 教師はランダムに、フィードバックの受け取り、自身の会話に対するフィードバックの自動化、あるいは2つのモチベーションの枠組みの1つの下で、学習者への参加フィードバックとともに、フィードバックを割り当てた。 教師へのフィードバックは、学習者のアイデアの誘引、学習者のコントリビューションの獲得、学習者の推論を8～15%増加させ、両方のブートキャンプに再現した。 しかし、制御グループの平均91.5%である教師の会話時間はいかなる条件も変化せず、学習者に対するフィードバックはそれ以上は変化しなかった。 17人の教師へのインタビューは、フィードバックを推奨する動きを採用したが、反応しなかった学習者によって制限されていたことを示している。 学習者レベルの統計よりもグループレベルの統計を報告し、一部の学習者は聴くことを好んでおり、これらのセッションでは学習者同士のインタラクションはまれであった。 自動的なフィードバックは、チューターが学習者の思考を誘う方法を変える可能性があるが、学習者の話す量を変えるには、フィードバック以上の変化が必要になる。

関連論文リスト

• The Assistance Dilemma: Learning to Teach via Multi-Turn Reinforcement Learning [49.94760727418966]
  シミュレーション学生に対する強化学習(RL)は、教育を改善するための有望なアプローチである。 既存のRL学習教師は、教師の言葉をまだ文脈に残して、教師問題で生徒の成功に報いる。 学生は、教師の発話をマスクした教師問題の見当たらない変種でテストする。 これにより、生徒の認知障害を回避し、連続的なペナルティを2つの二分報酬ゲートに置き換えることができる。
  論文  参考訳（メタデータ） (2026-10-05T14:50:58Z)
• Shockingly Simple Self-retrospection Improves Agentic Models Without RL [56.88703385147974]
  本研究は,説明のみの訓練がその後の行動に与える影響を分離するために,レトロスペクティブ・オンリー・ファインチューニングについて検討する。 Qwen3.5-4B を用いたソフトウェア工学実験では、ROFT は成功と失敗の混合したベースモデルの試行に関する問題で訓練されている。 また、64のサンプルベースモデル試みが失敗する個々のタスクの解決も学べる。
  論文  参考訳（メタデータ） (2026-09-28T17:54:24Z)
• What Drives Interactive Improvement from Feedback? [0.7330217643497284]
  本研究では,繰り返し試みだけで得られる利得を超えて,自然言語フィードバックがいつ改善をもたらすかを検討する。 マルチターン言語エージェントの設定では、より高い最終的な精度は有用なフィードバックを反映することができるが、再サンプリング、フォーマット修正、追加のテスト時間計算から生じることもある。 我々は,Omni-MATH,Codeforces,BBEH Linguini,ARC-AGI1にまたがる学生教育プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-06-29T18:06:36Z)
• AI tutoring can safely and effectively support students: An exploratory RCT in UK classrooms [3.1642777065752052]
  1対1の授業はパーソナライズされた教育のための金の標準として広く考えられているが、スケールするのは違法に高価である。 英国の小学校5校を対象に,N = 165$の学生を対象にランダム化試験(RCT)を行った。 LearnLM – 教育用に微調整された生成AIモデル – を,Eedi数学プラットフォーム上でのチャットベースの学習セッションに統合しました。
  論文  参考訳（メタデータ） (2025-12-29T17:44:03Z)
• Student Engagement with GenAI's Tutoring Feedback: A Mixed Methods Study [0.0]
  本研究の目的は,(1) 学生が学習のフィードバックコンポーネントに関わったときにどう思うかを明らかにすること,(2) フィードバックコンポーネント,学生の視覚的注意,言語的思考,および問題の解決プロセスの一環としての即時行動との関係を探索することである。 380のフィードバックコンポーネントを取り入れた学生の思考の分析から,学生は理解や意見の相違,追加情報が必要,学生はフィードバックを明確に判断する4つの主要なテーマが明らかになった。
  論文  参考訳（メタデータ） (2025-09-26T22:17:20Z)
• Using Sentiment Analysis to Investigate Peer Feedback by Native and Non-Native English Speakers [0.0]
  本稿では,母国英語話者と母国英語話者の状況が,オンライン・コンピュータ・コースにおけるピアフィードバック経験の3つの指標にどのように影響するかを検討する。 その結果、母国英語話者はフィードバックを好ましくないが、母国英語話者はより肯定的に書くが、見返りに肯定的な感情を受けないことがわかった。
  論文  参考訳（メタデータ） (2025-07-23T05:00:17Z)
• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [46.667783153759636]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)

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。