Buchumschlag

Simulating Validity: Modal Decoupling in MLLM Generated Feedback on Science Drawings

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bewersdorff, Arne, Yuruk, Nejla, Zhai, Xiaoming
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computers and Society Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Taking the Next Step with Generative Artificial Intelligence: The Transformative Role of Multimodal Large Language Models in Science Education
von: Bewersdorff, Arne, et al.
Veröffentlicht: (2024)

Using Learning Progressions to Guide AI Feedback for Science Learning
von: Xia, Xin, et al.
Veröffentlicht: (2026)

AI and Machine Learning for Next Generation Science Assessments
von: Zhai, Xiaoming
Veröffentlicht: (2024)

Transforming Science Learning Materials in the Era of Artificial Intelligence
von: Zhai, Xiaoming, et al.
Veröffentlicht: (2026)

The Landscape of AI in Science Education: What is Changing and How to Respond
von: Zhai, Xiaoming, et al.
Veröffentlicht: (2026)

DrawSim-PD: Simulating Student Science Drawings to Support NGSS-Aligned Teacher Diagnostic Reasoning
von: Chakma, Arijit, et al.
Veröffentlicht: (2026)

Transforming Teachers' Roles and Agencies in the Era of Generative AI: Perceptions, Acceptance, Knowledge, and Practices
von: Zhai, Xiaoming
Veröffentlicht: (2024)

Charting the Future of AI-supported Science Education: A Human-Centered Vision
von: Zhai, Xiaoming, et al.
Veröffentlicht: (2026)

Developing a Multi-Agent System to Generate Next Generation Science Assessments with Evidence-Centered Design
von: Yang, Yaxuan, et al.
Veröffentlicht: (2026)

Generative AI User Experience: Developing Human--AI Epistemic Partnership
von: Zhai, Xiaoming
Veröffentlicht: (2026)

Towards Adaptive Feedback with AI: Comparing the Feedback Quality of LLMs and Teachers on Experimentation Protocols
von: Seßler, Kathrin, et al.
Veröffentlicht: (2025)

Science Literacy: Generative AI as Enabler of Coherence in the Teaching, Learning, and Assessment of Scientific Knowledge and Reasoning
von: Zhai, Xiaoming, et al.
Veröffentlicht: (2026)

Understanding University Students' Use of Generative AI: The Roles of Demographics and Personality Traits
von: Deng, Newnew, et al.
Veröffentlicht: (2025)

Collaborative Learning with Artificial Intelligence Speakers (CLAIS): Pre-Service Elementary Science Teachers' Responses to the Prototype
von: Lee, Gyeong-Geon, et al.
Veröffentlicht: (2023)

Using Large Language Models to Assess Teachers' Pedagogical Content Knowledge
von: Yang, Yaxuan, et al.
Veröffentlicht: (2025)

Can generative AI and ChatGPT outperform humans on cognitive-demanding problem-solving tasks in science?
von: Zhai, Xiaoming, et al.
Veröffentlicht: (2024)

Can OpenAI o1 outperform humans in higher-order cognitive thinking?
von: Latif, Ehsan, et al.
Veröffentlicht: (2024)

Stop Drawing Scientific Claims from LLM Social Simulations Without Robustness Audits
von: Ye, Jinyi, et al.
Veröffentlicht: (2026)

Using GPT-4 to Augment Unbalanced Data for Automatic Scoring
von: Fang, Luyang, et al.
Veröffentlicht: (2023)

MedSimAI: Simulation and Formative Feedback Generation to Enhance Deliberate Practice in Medical Education
von: Hicke, Yann, et al.
Veröffentlicht: (2025)

A Systematic Assessment of OpenAI o1-Preview for Higher Order Thinking in Education
von: Latif, Ehsan, et al.
Veröffentlicht: (2024)

Evaluating Language Models for Generating and Judging Programming Feedback
von: Koutcheme, Charles, et al.
Veröffentlicht: (2024)

Human Experts' Evaluation of Generative AI for Contextualizing STEAM Education in the Global South
von: Nyaaba, Matthew, et al.
Veröffentlicht: (2025)

Decoupling Content and Expression: Two-Dimensional Detection of AI-Generated Text
von: Bao, Guangsheng, et al.
Veröffentlicht: (2025)

The Wolf Within: Covert Injection of Malice into MLLM Societies via an MLLM Operative
von: Tan, Zhen, et al.
Veröffentlicht: (2024)

"Draw me a curator" Examining the visual stereotyping of a cultural services profession by generative AI
von: Spennemann, Dirk HR
Veröffentlicht: (2025)

Human-AI Collaborative Inductive Thematic Analysis: AI Guided Analysis and Human Interpretive Authority
von: Nyaaba, Matthew, et al.
Veröffentlicht: (2026)

Judging the Judges: Human Validation of Multi-LLM Evaluation for High-Quality K--12 Science Instructional Materials
von: He, Peng, et al.
Veröffentlicht: (2026)

A Framework for Human-AI Q-Matrix Refinement: A NeuralCDM Evaluation
von: Zhang, Ying, et al.
Veröffentlicht: (2026)

The Responsible Development of Automated Student Feedback with Generative AI
von: Lindsay, Euan D, et al.
Veröffentlicht: (2023)

Procedural Fairness Through Decoupling Objectionable Data Generating Components
von: Tang, Zeyu, et al.
Veröffentlicht: (2023)

Toward an Engineering of Science: Rebalancing Generation and Verification in the Age of AI
von: Ma, Jiaqi W.
Veröffentlicht: (2026)

Evaluating Code Generation of LLMs in Advanced Computer Science Problems
von: Catir, Emir, et al.
Veröffentlicht: (2025)

A Toolkit for Compliance, a Toolkit for Justice: Drawing on Cross-sectoral Expertise to Develop a Pro-justice EU AI Act Toolkit
von: Hollanek, Tomasz, et al.
Veröffentlicht: (2025)

Untersuchung der Effektivität zweier Fortbildungsformate zum Experimentieren mit dem Fokus auf das Unterrichtshandeln
von: Bewersdorff, Arne
Veröffentlicht: (2025)

Exploring the Psychometric Validity of AI-Generated Student Responses: A Study on Virtual Personas' Learning Motivation
von: Wang, Huanxiao
Veröffentlicht: (2025)

Simulating Generative Social Agents via Theory-Informed Workflow Design
von: Yan, Yuwei, et al.
Veröffentlicht: (2025)

Leveraging Lecture Content for Improved Feedback: Explorations with GPT-4 and Retrieval Augmented Generation
von: Jacobs, Sven, et al.
Veröffentlicht: (2024)

A Comparative Study of Technical Writing Feedback Quality: Evaluating LLMs, SLMs, and Humans in Computer Science Topics
von: Liu, Suqing, et al.
Veröffentlicht: (2025)

DeCoDe: Defer-and-Complement Decision-Making via Decoupled Concept Bottleneck Models
von: He, Chengbo, et al.
Veröffentlicht: (2025)