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。

May, 2023

EduChat是一个基于大规模语言模型（LLM）的教育领域聊天机器人系统，旨在支持个性化、公平、有爱心的智能教育，为教师、学生和家长提供支持。它通过在教育语料库上进行预训练来学习领域特定知识，并通过在设计的系统提示和指令上进行微调来刺激各种技能。目前，EduChat作为一个开源项目在线上提供，其代码、数据和模型参数可在平台上获得。这项倡议旨在促进基于LLMs的智能教育的研究与应用。

Aug, 2023

在这项工作中，我们探索了一种全面应用最先进的大型语言模型（LLMs）开发的智能辅导系统，涵盖了自动课程规划和调整、个性化教学和灵活的测验评估，以使系统对长时间互动具有健壮性，并满足个性化教育的需求。

Sep, 2023

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

人工智能正在通过数据驱动的个性化学习解决方案改变教育。本文介绍了AI Tutor，一种创新的网页应用程序，利用先进的大型语言模型（LLM）提供任何科目的个性化辅导。AI Tutor通过摄取课程材料，构建适用于课程的自适应知识库。当学生提出问题时，它检索相关信息并生成详细的对话式回答，并引用支持证据。该系统采用先进的大型语言模型和RAG（Retrieval-Augmented Generation）技术，以实现准确、自然的问题回答。我们提供了一个完全功能的网页界面和视频演示，展示了AI Tutor在不同学科中的多样性和产生有教育价值的回答的能力。虽然这只是一个初始原型，但这项工作代表着朝着能够使更多人获得高质量定制教育支持的AI辅导系统的先驱性一步。

Nov, 2023

结合ChatGPT和传统的基于信息检索的聊天机器人框架，提供优化的高等教育学生支持，以解决LLMs在教育背景下生成错误、偏见或无用答案的挑战。

Dec, 2023

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

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

通过基于GPT-4模型的苏格拉底学习法的对话式智能辅导系统（SPL），我们的研究展示了大型语言模型如何增强基于对话的智能辅导系统，并扩展了教育技术的可访问性和效力。

Jun, 2024

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