MEGA：使用 Socratic 方法通过大语言模型进行数学解释
计算与语言
2025-07-17 v1
摘要
本文报告了结合 (1) 苏格拉底方法、(2) 链式思维(CoT)推理、(3) 简化的游戏化以及 (4) 形成性反馈对大语言模型驱动的大学学生数学学习效果的干预研究。我们称我们的做法为由 AI 大语言模型提供的数学解释通过游戏(MEGA)。一些学生在数学方面存在困难，导致他们回避与数学相关的学科或科目，尽管数学在诸多领域（包括信号处理）中至关重要。学生的数学困难往往源于教学方法不佳。我们通过在随机分配问题后进行组间设计比较 MEGA 方法与传统的逐步(CoT)方法，以确定哪种方法更好。根据错误容限为 11%、置信水平为 90% 以及可管理的样本数，随机抽取了来自 Grade School Math 8K(GSM8K)和 Mathematics Aptitude Test of Heuristics(MATH)数据集各 60 个样本用于评估。我们在最初测试的六个模型中，对两个能力较好的大语言模型(GPT4o 和 Claude 3.5 Sonnet)进行详细评估。结果显示，学生在更多情况下认为 MEGA 方法在学习上体验更好，无论是在两个数据集中。在更难的 MATH 数据集上，MEGA 甚至比 CoT(47.5% 对 26.67%)表现更好，表明 MEGA 在解释困难的数学问题方面更优。
引用
@article{arxiv.2507.12079,
title = {Findings of MEGA: Maths Explanation with LLMs using the Socratic Method for Active Learning},
author = {Tosin Adewumi and Foteini Simistira Liwicki and Marcus Liwicki and Viktor Gardelli and Lama Alkhaled and Hamam Mokayed},
journal= {arXiv preprint arXiv:2507.12079},
year = {2025}
}
备注
This paper was accepted for the special issue AI for Education by the IEEE Signal Processing Magazine journal