本文探讨了智能家教系统 (ITC) 领域中的个性化。我们假设问题问法的个性化可以提高学生的学习成果。我们通过由领域专家撰写的变体以及实验 A/B 测试展示了生成适合不同科目熟练水平的学生问题版本可以提高学生的学习收益。这一洞察力证明了一个 ITC 中的问题语言实现会影响学生的学习成果。

May, 2022

利用大型语言模型模拟学生学习行为，揭示学习行为与测试问题、课程材料、参与度和理解水平之间的关联，加深我们对大型语言模型的理解，展示其对学生模拟的可行性，从而为更具适应性的课程设计提供支持，增强包容性和教育效果。

Oct, 2023

本文探讨了使用心理测量测试来量化和分析大型语言模型输出中的人格特质的可靠性和有效性，并讨论了如何对这些模型进行塑造的潜在应用和伦理影响，特别是关于负责任地使用 LLM。

Jul, 2023

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

为了推动自动化任务导向对话系统的评估，本研究提出了一种基于预训练语言模型的新型用户模拟器，并通过上下文学习来生成具有鲁棒性和语言多样性的输出，以模拟人类对话行为。通过与现有对话系统交互，并收集人机交互数据集，验证了该用户模拟器在单一意图对话目标方面的表现与人类相似。

Sep, 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

大型语言模型（LLMs）能够理解人类指令并生成高质量的文本，使它们能够模拟人类行为并超越简单的复制。本研究介绍了可定制的对话代理框架，利用 LLMs 模拟真实世界中可以根据用户偏好自由定制的角色。提出了 SimsConv 数据集和 SimsChat 对话代理，模拟不同情景下角色的生活经历和特定情感的专题交互。实验证明该框架取得了令人满意的性能，并为未来构建更好的人类模拟提供了有益的指导。

Jun, 2024

本文利用大型语言模型（LLM）通过个性化对话生成，基于个人特点和人格特质创建了一个合成对话数据集，从而证明了个性化对话模型和与 PersonaChat 相比的表现优势。

Jan, 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

通过使用生成型人工智能能力协助教育工作者进行个性化、高效和引人入胜的教学辅助工具设计，以弥补他们在专业编程和设计方面的不足。

May, 2024