探讨辅导-学生对话中的知识追踪
本文分析了几种生成式语言模型在语言学习时的应用，并发现当前方法在教学场景中存在有限性，需要更好的模型来解决这些问题。实验发现，目前的方法在受限的学习场景下表现出色，但在不受限制的场景中表现不佳。通过数据分析和用户研究，本文揭示了模型的推理错误，低效的平等辅导和语境不清等问题。
Jan, 2023
本文介绍了Tutoring bot，这是一个基于大规模家教-学生对话数据训练的生成式聊天机器人，用于辅助英语学习。机器人通过多种教育指导和背景知识来模仿人类辅导员在语言教育中的行为，同时通过多任务学习方案来实时监测并捕捉教学情况和进展。
Feb, 2023
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
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
我们提出了一个用于生成基于教科书的综合教师-学生互动的框架，通过借助合适的数据合成方法来训练教育聊天机器人，同时对数据的大小和质量进行平衡以解决幻觉和重复信息的问题。
Mar, 2024
本文探讨了预训练大型语言模型（LLMs）的能力，以及它们在知识跟踪、智能辅导系统领域的应用，研究了两种使用LLMs进行知识跟踪的方法，并对其在实际数据集上的性能进行了评估，结果表明LLMs能够模拟复杂的学习轨迹，为将LLMs应用于教育环境开辟了新的途径。
Feb, 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
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