对话教学论视下大语言模型：将对话式人工智能与学习理论对齐

Russell Beale

对话教学论视下大语言模型：将对话式人工智能与学习理论对齐

计算与语言 2025-06-25 v1 人工智能人机交互

作者: Russell Beale

摘要

大语言模型（LLMs）正快速变革教育领域，使能够实现丰富的对话式学习体验。本文综述了 LLM 驱动的对话代理如何被用于高等教育，扩展至中等教育和终身学习语境。我们综合了关于 LLM 在教育中的现有文献以及对话式和对话教学理论——包括维果茨基的社会文化学习理论（脚手架和最近发展区）、苏格拉底方法以及劳拉利拉的对话框架——并检查了提示策略和检索增强生成（RAG）如何将 LLM 行为与这些教育理论对齐，以及如何支持个性化、自适应学习。我们将教育理论映射到 LLM 能力上，突出显示 LLM 驱动的对话在支持既定学习原则方面以及在挑战或不足以满足传统教育假设方面的情况。我们识别了将先前理论应用于 LLM 的 notable 漏洞，例如模型倾向于提供直接答案而不是培养知识共建，以及需要考虑 LLM 导师的持续可用性和广泛但非人类专长。作为回应，我们提出了实用策略，以更好地对齐 LLM 交互与良好教育理论——例如设计鼓励苏格拉底式提问、脚手架式引导和学生反思的提示，以及集成检索机制以确保准确性和上下文相关性。我们的目标是弥合教育理论与人工智能驱动的对话式学习实践之间的鸿沟，为使 LLM 基于的对话更具教育生产力和理论对齐提供见解和工具。

关键词

对话教学大语言模型对话式人工智能教育理论检索增强生成

引用

@article{arxiv.2506.19484,
  title  = {Dialogic Pedagogy for Large Language Models: Aligning Conversational AI with Proven Theories of Learning},
  author = {Russell Beale},
  journal= {arXiv preprint arXiv:2506.19484},
  year   = {2025}
}

对话教学论视下大语言模型：将对话式人工智能与学习理论对齐

摘要

关键词

引用

相关论文