May, 2023

基于学习科学原理的教育辅导聊天机器人 CLASS Meet SPOCK

HTML
PDF
TL;DR本文介绍了一种名为Conversational Learning with Analytical Step-by-Step Strategies (CLASS)的设计框架，为开发高性能的智能辅导系统(Intelligent Tutoring Systems)提供了支持，该框架旨在为ITS赋予像导师一样的逐步指导和使用自然语言进行对话的能力以有效吸引学习者。本设计框架采用了两个精心策划的合成数据集，一个是满足学生进行问题解决的策略的脚手架数据集，另一个是包含从先前数据集中学到的解决问题策略的模拟学生-导师对话数据集，两者相结合构成了具有不断完善提高能力的智能辅导系统。
发现论文，激发创造
  • 辅导：面向语言学习者的基于教学的对话代理

    本文介绍了Tutoring bot，这是一个基于大规模家教-学生对话数据训练的生成式聊天机器人，用于辅助英语学习。机器人通过多种教育指导和背景知识来模仿人类辅导员在语言教育中的行为，同时通过多任务学习方案来实时监测并捕捉教学情况和进展。

    Feb, 2023

  • 教学前策略规划：具备自我精华提炼技术的对话式辅导系统

    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

  • GPT-based智能教师中领域知识库包含不同层次的影响研究

    将知识库与大型语言模型的智能教师集成，可以提高回答准确性和教学能力，并且在讲授方式和理解学生方面表现得更好，但在帮助学生方面还略逊一筹。

    Sep, 2023

  • 基于课程的教育机器人：通过综合对话数据开发语言学习聊天机器人的框架

    开发了结合了ChatGPT功能和英语教科书系统材料的Curriculum-Driven EduBot聊天机器人框架，通过提取教科书相关主题并使用大型语言模型生成相关对话，进一步使用生成的对话数据对开源LLM进行微调，以创建与用户课程相匹配的聊天机器人，用户研究表明，我们的聊天机器人在引导基于课程的对话和适应用户英语水平方面优于ChatGPT，将传统教科书方法与对话式AI相结合，提供学习者与课程相符合的互动工具，并提供用户定制的对话练习，从而促进有意义的学生-机器人对话，丰富课程教学框架下的整体学习体验。

    Sep, 2023

  • Ruffle&Riley: 自动引导的对话辅导系统

    自然语言交互式会话教学系统 (CTS) 通过提供与语言互动驱动的学习经历。他们已知能够促进较高水平的认知参与度，并在推理任务中有益于学习成果。然而，CTS 内容的撰写所需的时间和成本是普及采用的主要障碍。本文介绍了一种在两个方面利用最新的大语言模型 (LLM) 的新型 CTS：首先，系统从课文自动产生教学脚本；其次，通过两个基于 LLM 的智能体 (Ruffle&Riley)，系统自动化了脚本编排，这两个智能体分别扮演学生和教授的角色，以教学的方式进行学习。该系统允许进行遵循 ITS 典型的外/内循环结构的自由形式对话。在初步的两组在线用户研究 (N = 100) 中，将 Ruffle&Riley 与简单的问答机器人和阅读活动进行比较，并未发现在后测成绩上有显著差异。然而，在学习体验调查中，Ruffle&Riley 用户表达了更高的理解和记忆评分，并进一步感知获得的支持更有帮助、对话更连贯。我们的研究为新一代可扩展的 CTS 技术提供了见解。

    Sep, 2023

  • Book2Dial: 从课本中生成师生互动, 实现高性价比的教育聊天机器人开发

    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

  • 通过多模式辅导系统与教学指导提升语言学习

    通过进行关于指导儿童描述图像进行语言学习的案例研究，我们构建了以四种基础学习理论为基础的不同类型的脚手架辅导系统，使用一个七维度的评估标准来评估脚手架过程，实验结果表明，大型语言模型（LLMs）展示了在不同学生群体中遵循教学指导和自主学习的巨大潜力，并且我们将评估框架从手动方法扩展到自动化方法，为各种对话辅导系统的基准奠定了基础。

    Apr, 2024

  • Ruffle&Riley: 设计和评估基于大型语言模型的对话教学系统的洞察

    利用大型语言模型的最新进展，本论文讨论和评估了一种新型的会话式辅导系统，通过两种方式利用人工智能辅助内容编写，并自动从课文中诱导出易于编辑的辅导脚本，通过两种基于大型语言模型的代理（Ruffle&Riley）作为学生和教授自动化脚本编排来进行学习。通过与简单的问答聊天机器人和阅读活动进行比较的两次在线用户研究（N = 200）评估了Ruffle&Riley在生物学课程中的支持能力。通过分析系统使用模式、前后测试成绩和用户体验调查，发现Ruffle&Riley用户报告了较高水平的投入、理解，并认为提供的支持是有帮助的。虽然Ruffle&Riley用户完成活动需要更多时间，但在短期学习收益方面并未发现显著差异。本系统架构和用户研究为未来会话式辅导系统的设计者提供了各种见解。我们进一步开源了我们的系统以支持关于基于大型语言模型的学习技术有效教学设计方面的持续研究。

    Apr, 2024

  • 智能导师：在Teams中利用ChatGPT和Microsoft Copilot Studio提供生成式人工智能学生支持和反馈系统

    利用自然语言处理和机器学习的进展，该研究探讨了在Microsoft Teams平台上将ChatGPT API与GPT-4模型和Microsoft Copilot Studio结合，开发智能辅导系统的可能性。该系统旨在为学生提供即时支持，根据学习者的进展和反馈动态调整教育内容，并解释学生的问题、提供个性化的反馈，并促进学习过程。初步实施突显了该系统在提升学生的动力和参与度方面的潜力，同时为教育者提供了对学习过程的关键洞察力，从而推广了个性化的教育体验并增强了教学效果。

    May, 2024

  • 探讨辅导-学生对话中的知识追踪

    本研究针对现有人工智能辅导聊天机器人的学生行为建模缺口，提出了在辅导-学生对话中进行知识追踪的首个尝试。通过使用大型语言模型的提示方法，我们能够识别对话中的知识组件并诊断学生的回应正确性，研究结果表明，新的LLMKT方法在对话中预测学生回应的正确性方面显著优于现有知识追踪方法。

    Sep, 2024