SPL: 由大型语言模型驱动的苏格拉底学习场
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
本文介绍了一种用于收集大型语言模型生成对话的框架，用来收集MathDial数据集，这个数据集由约1.5k个多步骤数学词问题的辅导对话组成，并展示了该数据集具有丰富的教学特性，可以用于调整语言模型以成为更有效的辅导员，并强调了需要解决研究共同体的挑战。
May, 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
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
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
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
利用大语言模型在现代教育领域创新的机会，通过研究提问型大语言模型、语法错误解释和人力资源面试评估，揭示了大语言模型在改变教育实践中的潜力和限制。
May, 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
本研究解决了对话式辅导系统中大型语言模型（LLMs）缺乏有效教学策略和高昂数据集成本的问题。我们提出了一种合成辅导对话数据集，并对小型LLM进行了微调，结果表明该模型在实际辅导场景中性能与大型模型相当，但成本显著降低，为教育环境中实施LLM辅导系统提供了可行且具有成本效益的方法。
Oct, 2024