May, 2023

用 GPT 作为数学辅导老师：通过自定义习题生成来教授数学中的文字问题求解器

HTML
PDF
TL;DR本文提出一种利用大型语言模型（LLMs）提炼数学单词问题求解能力并将其转化为更小、更高效的学生模型的新方法，结合教育科学原则生成针对性的练习，从而实现个性化学习。实验结果表明，我们的方法在三个不同的基准测试中比LLMs更准确，并且使用的参数显著更少。
发现论文，激发创造
  • 挑战性数学问题求解的 GPT-4 实证研究

    本文探索使用GPT-4解决更复杂的数学问题，并评估了各种使用GPT-4的方法，包括作者提出的新的对话式解决框架 - MathChat。针对MATH数据集中的困难高中竞赛题进行了评估，结果表明所提出的对话式方法具有优势。

    Jun, 2023

  • 用大型语言模型（GPT）自动化编程作业反馈

    本实验研究使用 OpenAI 的 GPT-3.5模型在一个自动化的评估平台上生成学生编程作业的个性化提示，实验小组依赖平台反馈较少但在启用 GPT提示时表现得更好。

    Jun, 2023

  • 学生数学错误逐步纠正

    我们探索了大型语言模型在辅导教师补救学生错误中的潜力，并通过评估表明，尽管模型不断改进了原始辅导响应，但仍无法达到经验丰富的数学教师的水平。这项工作揭示了当前大型语言模型在提供规模化高质量学习体验方面的潜力和局限性。

    Oct, 2023

  • 关于运用大型语言模型促进数学学习的三个问题

    通过研究大语言模型在教育应用中的潜力，该论文探讨了如何利用大语言模型提供适应性反馈来帮助学生学习数学，并提出了与此相关的挑战。

    Oct, 2023

  • ChatGPT作为数学问题提问者？对ChatGPT在生成大学预备数学问题方面的评估

    ChatGPT分析了其在生成高中数学问题方面的潜力，通过对各类课程的数学问题进行评估和分析，发现大语言模型在数学问题生成方面具有潜力。

    Dec, 2023

  • 利用大型语言模型评估导师应对学生数学错误的表现

    该研究调查两个生成模型在评估真实教师在应对学生数学错误方面的表现能力，发现 GPT-3.5-Turbo 和 GPT-4 都能够熟练评估与学生犯错有关的标准，但在识别学生错误的情况下存在局限性。未来的研究将致力于通过评估更多对话数据集和评估学习转化来提升泛化能力，进一步分析教师在真实场景中应对学生数学错误的表现。

    Jan, 2024

  • 利用大型语言模型扩展AutoTutor的创作能力

    使用大型语言模型（LLMs）构建智能辅导系统，结合传统教学方法并实现更好的教学成果。

    Feb, 2024

  • 提升教育中主动学习的生成式人工智能：基于GPT-3.5和GPT-4的个性化测试题比较研究

    研究了LLMs，特别是GPT-3.5和GPT-4，如何根据主动学习原则为九年级数学提供量身定制的问题。结果显示，GPT-4能够生成准确、具有挑战性的问题，并且GPT-3.5在从GPT-4接受指导后在处理更复杂问题方面有了明显改善，从而突显了LLMs模拟和增强主动学习场景的潜力，为个性化教育中的人工智能提供了有前景的途径，需要在不同的教育环境中进一步探索。

    Jun, 2024

  • 朝着大型语言模型的教学引导：以建模产品性失败为案例研究

    本研究解决了大型语言模型（LLM）在教学中的有效使用问题，提出了“教学引导”概念，以改善LLM的教学能力。通过开发StratL算法并实施“产品性失败”策略的原型辅导系统，研究表明该算法能够有效引导LLM执行教学策略，并验证了其在生成类人回答方面的溢出效应。本文强调了教学引导中的挑战并提出改进机会。

    Oct, 2024

  • 利用大型语言模型在教育技术中自动生成数学问题提示

    本研究解决了在智能辅导系统中生成有效教育提示的挑战，特别是针对学生的错误认识和教育目标。通过使用GPT-4o和Llama-3-8B-instruct生成提示，研究确认了特定错误提示在帮助学生自我纠正中的有效性，发现Llama-3-8B-Instruct的表现优于GPT-4o，表明模型设置对学习效果的影响。

    Nov, 2024