AI驱动的虚拟教师提升教育效率：利用大型预训练模型实现自主错误分析与纠正
计算机视觉与模式识别
2024-12-10 v2 人工智能
多媒体
摘要
学生在解决数学问题时经常犯错，而传统的纠错方法既耗时又费力。本文介绍了一种创新的虚拟AI教师系统，旨在自主分析和纠正学生错误（VATE）。该系统利用先进的大型语言模型（LLMs），以学生草稿作为错误分析的主要来源，从而增强对学生学习过程的理解。它结合了复杂的提示工程，并维护一个错误池以减少计算开销。该AI驱动系统还具备实时对话组件，用于高效的学生交互。我们的方法相比传统和基于机器学习的纠错方法显示出显著优势，包括降低教育成本、高可扩展性和优越的泛化能力。该系统已部署在松鼠AI学习平台上用于小学数学教育，在错误分析中达到了78.3%的准确率，并显著提高了学生的学习效率。满意度调查显示强烈的积极反响，突显了该系统变革教育实践的潜力。
引用
@article{arxiv.2409.09403,
title = {AI-Driven Virtual Teacher for Enhanced Educational Efficiency: Leveraging Large Pretrain Models for Autonomous Error Analysis and Correction},
author = {Tianlong Xu and Yi-Fan Zhang and Zhendong Chu and Shen Wang and Qingsong Wen},
journal= {arXiv preprint arXiv:2409.09403},
year = {2024}
}
备注
AAAI/IAAI 2025 Innovative Application Award