生成关于替代解决路径的情境化反思触发器：生成式AI在计算机支持的协作学习中的案例研究
人工智能
2024-04-30 v1
摘要
大型语言模型的一个优势在于其情境化能力——根据学生的输入（如解决策略或先前讨论）提供不同的回应，从而可能比标准反馈更好地吸引学生。我们展示了一个概念验证性大型语言模型应用的设计与评估，旨在为学生提供动态和情境化的反馈。具体而言，我们使用ChatGPT增强了一个用于大学级云计算课程的在线编程练习机器人，该机器人在数据库设计的协作查询优化任务中为学生提供情境化的反思触发器。我们证明，大型语言模型可用于生成高度情境化的反思触发器，这些触发器融入了正在发生的协作讨论的细节。我们深入探讨了触发器的设计空间探索及其与学习目标的对应关系，以及在一项有34名学生参与的试点研究中对学生学习的影响。
引用
@article{arxiv.2404.18262,
title = {Generating Situated Reflection Triggers about Alternative Solution Paths: A Case Study of Generative AI for Computer-Supported Collaborative Learning},
author = {Atharva Naik and Jessica Ruhan Yin and Anusha Kamath and Qianou Ma and Sherry Tongshuang Wu and Charles Murray and Christopher Bogart and Majd Sakr and Carolyn P. Rose},
journal= {arXiv preprint arXiv:2404.18262},
year = {2024}
}