要旨: 形成的フィードバックは効果的な学習の中核である一方、規模に応じて適時かつ個別化されたフィードバックを提供することは、依然として根強い課題である。近年の研究では、フィードバックの自動化に大規模言語モデル（LLM）を用いることが検討されているが、既存のほとんどのシステムは依然としてフィードバックを静的で一方向の成果物として捉えており、解釈、明確化、またはフォローアップのための支援は限られている。本研究では、REFINEを提案する。REFINEは、小規模でオープンソースのLLMに基づく、ローカルにデプロイ可能なマルチエージェント型フィードバックシステムであり、フィードバックを対話的なプロセスとして扱う。REFINEは、教育学的に根拠づけられたフィードバック生成エージェントと、人間に整合したジャッジを用いるLLM-as-a-judgeによる再生成ループを組み合わせており、さらに自己省察型のツール呼び出しインタラクティブエージェントが、文脈に応じた、実行可能な応答によって学生のフォローアップ質問を支援する。REFINEは、制御された実験と、学部のコンピュータサイエンス課程における実際の教室での導入という2つの方法で評価する。自動評価の結果、ジャッジ主導の再生成はフィードバック品質を大きく改善し、またインタラクティブエージェントが、最先端のクローズドソースモデルに匹敵する効率的で高品質な応答を生成できることが示される。さらに、実際の学生の相互作用の分析により、異なる関与（エンゲージメント）のパターンが明らかになり、システムが生成したフィードバックが、後続の学生の問いを体系的に導くことが示唆される。以上の結果は、スケーラブルで対話的なフィードバックのための、マルチエージェントかつツール拡張型のフィードバックシステムが実現可能であり、効果的であることを示している。
返却形式: {"translated": "翻訳されたHTML"}
