一个老师会怎样?预测未来的话语举措
英语语言课堂讨论对学生的阅读、写作和推理技能有积极影响,学生的高质量讨论重视辩证、特定性和知识领域,作者提出一种注释方案,证明其可靠性和对讨论质量的预测性,并强调了这种方案为教育和自然语言处理研究提供的机会。
Sep, 2019
该研究论文提出了Conversation Learner,一种结合了规则导向对话管理和基于机器学习的参数模型的机器教学工具,可以通过利用用户和系统之间的对话日志作为训练数据,帮助对话作者构建灵活应对复杂对话的对话管理器。
Apr, 2020
TalkMoves是一款应用程序设计用于支持K-12数学教师反思和持续改进他们的教学实践。该应用程序结合了最先进的自然语言处理技术和自动语音识别技术,自动分析课堂录音,并为教师提供有关他们使用特定类型的讨论来扩宽和深化数学课堂对话的个性化反馈。
Apr, 2021
通过计算分析,我们提出了一个框架来衡量教师-学生交互式对话中的引用行为,并通过应用到不同领域的教育数据集中验证了该方法的有效性,为教师的自动化专业发展提供了证据。
Jun, 2021
本文提出了一种在教学策略预测和生成辅导响应之间进行联合预测的方法,并选择了若干个对话辅导数据集进行基准测试,最终提出了一种统一框架,该框架将教学响应生成和学术策略预测相结合,并采用了自身蒸馏机制来指导教学策略学习和促进辅导响应生成。通过实验和分析,揭示了教学策略对话式辅导的影响。
Feb, 2023
为了与人类用户进行对话,需要设计能够进行人机交互的机器智能,因此会话建模是自然语言处理中的重要任务。一个新的机器会话模型使用了逐渐构建的句子结构和复杂度的培训方法来模拟人类学习的构建过程,其通过按照先“短”后“长”的句子对训练,最终比标准文本准备训练的模型具有更低的验证误差。
May, 2023
本研究旨在通过使用NLP技术自动生成课堂讨论质量的评估得分,对90个课堂讨论文本记录进行分析和评估,在焦点为四个评估材料的基础上,研究表明在某些方面有了令人鼓舞的结果,同时也发现在其他方面还有进一步的改进空间。
Jun, 2023
通过评估多个基准生成模型在教育对话中提供信息和帮助学生的能力,本研究旨在模拟一个有知识的老师的角色,并发现GPT-4在教师-学生聊天记录子集上的优越性,测量标准是BERTScore和DialogRPT,同时注意到采样、代表性和对话完整性等数据集特征对微调模型的一般化能力造成了显著挑战,最终强调了对这些生成模型进行评估的需求,其中评估标准不仅依赖于对话连贯性和匹配的语言建模分布,而且还依赖于模型展示教学技巧的能力。
Jul, 2023
我们提出了一个用于生成基于教科书的综合教师-学生互动的框架,通过借助合适的数据合成方法来训练教育聊天机器人,同时对数据的大小和质量进行平衡以解决幻觉和重复信息的问题。
Mar, 2024
本研究探讨了教学对话与学生的近距离知识如何相互作用,从而解释和预测学生的学习成果。研究结果表明,鼓励严谨思考的教学对话促进了学生在数学学习中的成就,而导师对学生的数学思想和贡献的重述对低程度的智能辅导系统掌握的学生起到了预测作用。
May, 2024