基于大型语言模型的人教育个性化学习路径规划
计算与语言
2024-07-17 v1
摘要
教育个性化学习路径规划（PLPP）旨在针对个体学习者的需求量身定制学习体验，提高学习效率和参与度。尽管存在潜力，传统PLPP系统往往缺乏适应性、互动性和透明度。本文提出了一种新方法，将大型语言模型（LLM）与提示工程相结合，以解决这些挑战。通过设计包含学习者特定信息的提示，我们的方法引导LLM（如LLama-2-70B和GPT-4）生成个性化、连贯且教育学上合理的学习路径。我们进行了实验，比较了该方法与基线方法，包括准确率、用户满意度和学习路径质量等指标。结果在所有领域都显示出显著改善，尤其是GPT-4，表明提示工程在提升PLPP方面的有效性。进一步的长期影响分析进一步验证了该方法提高学习者表现和保留率的潜力。这项研究凸显了大型语言模型和提示工程在推动个性化教育方面的前景。
引用
@article{arxiv.2407.11773,
title = {Educational Personalized Learning Path Planning with Large Language Models},
author = {Chee Ng and Yuen Fung},
journal= {arXiv preprint arXiv:2407.11773},
year = {2024}
}
备注
6 pages