从误解到学习机会：利用生成式 AI 在讨论论坛中支持学生学习

在当今的教育环境中，特别是在大型教室设置中，讨论论坛已成为促进互动和解决学生查询的关键工具。这些论坛营造了协作式学习环境，学生可与教学团队及同伴互动。然而，这些论坛中产生的内容体积庞大，带来了两个紧密相连的重大挑战：如何有效识别学生讨论中出现的常见误解？以及一旦识别出来，如何让教师有效应对这些误解？本文探讨了将大语言模型 (LLM) 和检索增强生成 (RAG) 集成以解决这些挑战的方法。我们随后展示了使用真实数据（涉及三门计算机科学课程、1355 名学生、2878 个独特帖子）进行的 M2M（Misunderstanding to Mastery，误解到精通）方法，随后对这五位教师进行评估。结果表明，教师认为该方法有前景且富有价值，能够有效识别误解并生成可操作的见解。教师指出需要更细致的分组、更清晰的指标、对所创建资源的验证，以及围绕数据匿名性的伦理考量。