使用大型语言模型在智能辅导系统中以大规模将问题与学生兴趣情境化
摘要：使用学生感兴趣的内容来进行问题的背景化，可以显著提高学习效果。然而，由于资源和时间的限制，这一任务通常面临规模扩展的挑战。最新的大型语言模型（LLM）如GPT-4为解决这些问题提供了潜在的解决方案。本研究探讨了GPT-4在智能辅导系统CTAT中问题背景化的能力，旨在提高学生的参与度和提升学习效果。通过迭代式的提示工程，我们实现了有意义的问题背景化，既保留了问题的难度和原始意图，又没有改变价值观或使问题过于复杂。尽管我们的研究突显了LLM在教育环境中的潜力，但我们也承认目前存在的限制，特别是在几何问题方面，并强调需要进行持续的评估和研究。未来的工作包括系统性研究，以衡量这一工具对学生学习成果的影响，并改进如何处理更广泛的问题。
作者：Gautam Yadav, Ying-Jui Tseng, Xiaolin Ni
论文ID：2306.00190
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-06-02