利用大语言模型的定制化提示与领域知识增强辅导系统
计算机与社会
2025-05-07 v1 人工智能
摘要
人工智能和机器学习的最新进展重新激发了人们对其在计算机辅助学习（CBL）中影响的兴趣。像ChatGPT和智能辅导系统（ITS）这类AI驱动的工具，通过个性化和灵活性增强了学习体验。ITS能够适应个体学习需求，并根据学生的表现、认知状态和学习路径提供定制化反馈。尽管取得了这些进展，在适应多样化学习风格和提供实时、情境感知的反馈方面仍存在挑战。我们的研究旨在通过将基于检索增强生成（RAG）的技能对齐反馈整合到面向大语言模型（LLM）的提示工程中，并开发一个应用程序，在计算机科学编程情境下通过个性化辅导来增强学习，从而弥补这些差距。这项初步研究使用三个量化指标：可读性得分、响应时间和反馈深度，在三个不同复杂度的编程任务上评估了所提出的系统。该系统成功地将模拟学生分为三个技能等级类别，并提供了情境感知的反馈。与通用方法相比，这种有针对性的方法展示了更好的有效性和适应性。
引用
@article{arxiv.2505.02849,
title = {Enhancing tutoring systems by leveraging tailored promptings and domain knowledge with Large Language Models},
author = {Mohsen Balavar and Wenli Yang and David Herbert and Soonja Yeom},
journal= {arXiv preprint arXiv:2505.02849},
year = {2025}
}