要約
この研究から実用的な作業中（WIP）ペーパーでは、学部巡回区分析コースの学生に宿題の評価とフィードバックを提供するように設計されたAI対応のスマートチューターを紹介します。
家庭教師の設計哲学と、自由回答形式の質問応答や宿題のフィードバック生成など、コアコンポーネントについて詳しく説明します。
プロンプトは、さまざまな問題にわたって応答を最適化するために慎重に作成されています。
スマートチューターはMicrosoft Azureプラットフォームに展開され、現在、米国南東部の大規模で公的な研究集約型の機関にある電気およびコンピューター工学部の学部巡回分析コースで使用されています。
パーソナライズされた指導とフィードバックを提供するだけでなく、家庭教師は学生の相互作用データを収集します。これは要約され、コースインストラクターと共有されます。
その有効性を評価するために、学生のフィードバックを収集し、90.9％の回答が家庭教師に対する満足度を示しています。
さらに、予備回路分析のトピックに関する収集されたデータのサブセットを分析して、各問題のチューターの使用頻度を評価し、よくある質問を特定します。
これらの洞察は、インストラクターが学生の困難をリアルタイムで認識し、よりターゲットを絞った教室での指導を可能にするのに役立ちます。
将来の作業では、2025年春の学期以降に完全なデータセットが利用可能になったら、完全な分析をリリースします。
また、改善されたプロンプト、図認識方法、およびデータベース管理戦略を開発することにより、このスマートチューターの潜在的なアプリケーションを、より広範なエンジニアリング分野にまたがる潜在的なアプリケーションを調査します。
要約(オリジナル)
This research-to-practice work-in-progress (WIP) paper presents an AI-enabled smart tutor designed to provide homework assessment and feedback for students in an undergraduate circuit analysis course. We detail the tutor’s design philosophy and core components, including open-ended question answering and homework feedback generation. The prompts are carefully crafted to optimize responses across different problems. The smart tutor was deployed on the Microsoft Azure platform and is currently in use in an undergraduate circuit analysis course at the School of Electrical and Computer Engineering in a large, public, research-intensive institution in the Southeastern United States. Beyond offering personalized instruction and feedback, the tutor collects student interaction data, which is summarized and shared with the course instructor. To evaluate its effectiveness, we collected student feedback, with 90.9% of responses indicating satisfaction with the tutor. Additionally, we analyze a subset of collected data on preliminary circuit analysis topics to assess tutor usage frequency for each problem and identify frequently asked questions. These insights help instructors gain real-time awareness of student difficulties, enabling more targeted classroom instruction. In future work, we will release a full analysis once the complete dataset is available after the Spring 2025 semester. We also explore the potential applications of this smart tutor across a broader range of engineering disciplines by developing improved prompts, diagram-recognition methods, and database management strategies, which remain ongoing areas of research.
arxiv情報
| 著者 | Liangliang Chen,Huiru Xie,Jacqueline Rohde,Ying Zhang |
| 発行日 | 2025-06-10 16:35:45+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google