本文提出了一种基于“数理语言处理”的数据驱动框架来自动评分开放性数学问题实现的方案，采用不同聚类方法组成的三层模型对多步解决方案进行追踪和错误定位，并在真实的慕课数据上进行了测试和验证，说明它可以极大地减少大规模教育平台上所需的人力投入。

Jan, 2015

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

本文描述了一个用于理解 K-12 数学课堂中教师和学生话语的数据集，并使用它开发了TalkMoves应用程序，该应用程序可为教师提供关于他们的数学教学的自动、即时和可操作反馈。

Apr, 2022

通过分析教室话语可窥探教学及学习背后的因素，本文介绍了迄今规模最大的数学类教室话语记录数据库，通过自然语言处理学习对话交互语言并探究其与优质教学评估及学生学习成果的关系，为研究者、教育者和政策制定者提供了参考价值。

Nov, 2022

本研究提供了一个大的数据集，开发了一种标准对学生的评论进行分类，并提出了一种使用大型语言模型进行评论分类的最佳实践，从而建立了一个低成本的定量研究自动化体系，来处理海量的在线学生反馈。

Jun, 2023

使用大型语言模型，本研究探索了数学多项选择题中自动生成干扰项和相应反馈信息的任务，并通过非标准指标对生成的干扰项和反馈信息进行了评估，结果显示自动化干扰项和反馈生成方面仍有提升空间，并提出了几个未来研究的方向。

Aug, 2023

应用大语言模型来估计教学支持领域中的CLASS得分，使用零-shot提示和词袋模型对教师讲话的个别话语进行分类，通过实验发现自动估计方法准确性接近人际可靠性，并结合特征提取来提供教师可解释反馈。

Oct, 2023

本研究调查了利用专家知识规则模型、监督式机器学习模型和大型语言模型（LLM）从学生讨论中检测挑战和识别挑战维度（认知、元认知、情感和技术/其他挑战）的潜力。结果显示，监督式机器学习和LLM在两个任务中表现出色，而基于规则的方法则主要依赖专家设计的特征。该论文对自动检测和支持学生在协作学习活动中遇到的挑战时刻的三种方法的表现进行了广泛讨论。论文认为，尽管LLMs具有许多优势，但由于其缺乏可靠性以及在有效性评估、隐私和杂乱性方面存在问题，它们不太可能成为解决学习的社交共享调控的检测和反馈问题的万灵药。我们通过讨论额外的考虑因素来结束该论文，包括模型的透明度，以探索使用LLMs为学生和教育工作者提供可行且有意义的分析反馈。

Jan, 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