教育者驱动的导师编写:生成式人工智能方法用于创建智能导师界面
利用 GPT-3.5-Turbo 模型作为 AI 导师的自动化编程评估系统中,利用经验数据和探索性调查发现了不同用户类型以及与 AI 导师的交互模式,总结了实时反馈和可扩展性等优势,但也指出了一些挑战,例如通用回答和学生对使用 AI 导师时学习进展受限的担忧。这项研究为教育中人工智能的作用增加了有益的话题。
Apr, 2024
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
Intelligent tutoring systems can be complex and time-consuming to develop, but the Apprentice Tutor Builder simplifies tutor creation and personalization using interactive AI agents, as evaluated through a user study.
Apr, 2024
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
通过提供弹性的教育模式建议,基于 GPT-3 的智能教育辅助框架被研发,能够自动生成课程助手,可以回答与教学相关的问题,降低教师和助教的工作量同时提高学生获得课程相关信息的机会。
Feb, 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
研究了如何使用自动生成的问题作为智能辅导系统中个性化反馈的一种方法,此方法利用了因果分析和自然语言处理转换器模型以识别学生答案中的正确和错误部分,并训练了几个模型,以促使学生朝向正确的答案,并最终显示该方法对学生的学习效果提升达到 45%,拥有潜力改善生成式问答系统。
Jun, 2022