大语言模型驱动的课堂翻转：以翻转交互实现学生中心的同伴提问

互惠提问对于有效的教与学至关重要，它通过协作互动促进主动投入与更深层次的理解，尤其在大型课堂中。大语言模型（LLM）（如 OpenAI 的 GPT（生成式预训练 Transformer）系列）能否对此提供帮助？本文研究了一种基于 LLM 中翻转交互的课堂翻转教学方法。翻转交互涉及使用语言模型优先生成问题而非回答提示。我们展示了传统课堂翻转技术（包括同伴教学和即时教学（JiTT））如何通过翻转交互技术得到增强，从而为混合式教学创建以学生为中心的问题。特别地，我们提出了一种工作流，通过 poll-prompt-quiz 与 quiz-prompt-discuss 例程将提示工程与课堂应答器及 JiTT 测验相整合，以赋予学生自我调节学习能力的力量，并使教师能够快速个性化培训路径。我们开发了一款 LLM 驱动的聊天机器人软件，将课堂翻转的各类要素数字化，并便于使用这些例程评估学生以产出同伴生成的问题。我们在 2020 至 2022 年将该 LLM 驱动的聊天机器人软件应用于本科与研究生教学，有效有助于在 COVID-19 大流行期间的远程教学中弥合师生鸿沟。特别地，LLM 驱动的课堂翻转在大型课堂环境中尤为有益，可优化教学节奏并促成引人入胜的课堂体验。