作問学習における対話型生成 AI による自動診断の妥当性の検証

• Item type: Symposium(1)
• 公開日: 2025-08-12
• タイトル / 言語: ja
• タイトル: 作問学習における対話型生成 AI による自動診断の妥当性の検証
• タイトル / 言語: en
• タイトル: Validation of Agent-Assessment by Interactive Generative AI in Learning by Quiz-Creation
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 作問学習，対話型生成 AI，プログラミング教育，自動診断，相互評価
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics and Engineering. The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics and Engineering. The University of Electro-Communications
• 著者名: 大石, 陸斗; 高木, 正則
• 著者名(英): Rikuto Oishi; Masanori Takagi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 学習者自身が問題を作成する作問学習では高い学習効果が期待される一方で，作問学習に関する既存の研究では，作成された問題に対する診断や診断結果に基づくフィードバックに焦点を当てたものが少なく，学習者が作成した問題診断とフィードバックの提供には大きな負担がかかってしまい，教育現場で作問学習を実施する際の問題点として挙げられている．これらの問題を解決するための手法として，我々は大規模言語モデル（LLM）に基づき自然な対話を実現する対話型生成AIに着目した．本研究では，主体的かつ対話的な学びを実現する作問学習プロセスを想定し，その中で対話型生成AIを用いた自動診断を実現するための，問題診断チェックリストと問題診断用プロンプトを設計した．次に，意図的に誤りを含ませた問題を生成AIに自動診断させ，誤りの指摘率と指摘の正確性を定量的に評価し，診断結果の妥当性を検証した．その結果，生成AIによる自動診断では体裁的誤りの検出に高い網羅性を示し，具体的な診断基準が明示された項目に関する指摘では高い正確性を示す一方で，類似度の高い日本語表現の誤字・脱字や主観的判断を要する解説文の説明不足に対する指摘には限界があることが示唆された．本研究は，生成AI による自動診断と学習者間の相互評価を組み合わせることで問題作成の質を自動的に担保する新たな作問学習の基盤を示し，今後の教育現場における作問学習の普及とさらなる研究発展を促す意義を持つ．
• 書誌情報: 情報教育シンポジウム2025論文集; 巻 2025, p. 88-95, 発行日 2025-08-12
• 出版者 / 言語: ja
• 出版者: 情報処理学会