[論文レビュー] GAIDE: A Framework for Using Generative AI to Assist in Course Content Development

Ethan Dickey, Andres Bejarano|arXiv (Cornell University)|Aug 23, 2023

Online Learning and Analytics被引用数 15

ひとこと要約

本論文は GenAI Content Generation Framework (GAIDE) を紹介し、教員が GenAI を用いて大学レベルのCSコース内容を設計するのを支援する。設定、ワークフロー、精練段階を詳述し、作業負荷を軽減し内容の質を向上させる。

ABSTRACT

This paper introduces "GAIDE: Generative AI for Instructional Development and Education," a novel framework for using Generative AI (GenAI) to enhance educational content creation. GAIDE stands out by offering a practical approach for educators to produce diverse, engaging, and academically rigorous materials. It integrates GenAI into curriculum design, easing the workload of instructors and elevating material quality. With GAIDE, we present a distinct, adaptable model that harnesses technological progress in education, marking a step towards more efficient instructional development. Motivated by the demand for innovative educational content and the rise of GenAI use among students, this research tackles the challenge of adapting and integrating technology into teaching. GAIDE aims to streamline content development, encourage the creation of dynamic materials, and demonstrate GenAI's utility in instructional design. The framework is grounded in constructivist learning theory and TPCK, emphasizing the importance of integrating technology in a manner that complements pedagogical goals and content knowledge. Our approach aids educators in crafting effective GenAI prompts and guides them through interactions with GenAI tools, both of which are critical for generating high-quality, contextually appropriate content. Initial evaluations indicate GAIDE reduces time and effort in content creation, without compromising on the breadth or depth of the content. Moreover, the use of GenAI has shown promise in deterring conventional cheating methods, suggesting a positive impact on academic integrity and student engagement.

研究の動機と目的

• 動的で高品質なコース内容のために GenAI の活用を動機づける。
• チャットベースの GenAI を用いて学部レベルの CS コース内容を生成するための体系的ワークフロー（GAIDE）を提示する。
• 講義用および問題コンテンツを作成するための設定、コンテンツ生成、マクロ/マイクロ精練、文脈管理の実践を説明する。
• 教育作業負荷を削減しつつ内容の一貫性を保つために GenAI を採用する実用的な指針と根拠を提供する。

提案手法

• 二種類のコンテンツタイプのフレームワークを提案する：Lecture-Style コンテンツと Problem Creation コンテンツ。
• 成果ベースのコース設計に結びつく一歩一歩のワークフローを概説し、目標設定、文脈設定、学習目標の生成を含む。
• 講義のアウトラインおよび問題リストのための具体的なプロンプトと対話パターンを用いたマクロおよびマイクロ精練フェーズを説明する。
• 文脈的整合性を維持し、複数の GenAI セッションにまたがるコンテンツを統合し、ペルソナプロンプトと文脈マネージャを活用する戦略を提供する。
• GenAI との関わり方に関する一般的な配慮を提供し、視点の多様性や不完全な出力の扱いを含む。

実験結果

リサーチクエスチョン

• RQ1 GenAI は教員が意味のあるコース内容を迅速に作成し、教員の作業負荷を軽減するのを支援できるか？
• RQ2 学部レベルの CS コースにおけるコース内容開発の時間と質に対する GenAI の潜在的影響はどのようなものか？

主な発見

• 学生は課題作成に GenAI をますます使用しており、教育者がコンテンツ作成のアプローチを適応させる動機となっている。
• このフレームワークは、目標設定、文脈の指定、反復的精練のガイドラインを備えた具体的なワークフローを提供し、高品質のコンテンツを生成する。
• 二つの主要なコンテンツタイプ（Lecture-Type のアウトラインと Problem Creation リスト）が、マクロおよびマイクロ精練段階とともにサポートされる。
• GenAI セッション全体で文脈を維持し、フィードバックとルーブリックによって品質を管理するための戦略が提供されている。