从学习者-LLM教育对话中矿掘有效教学策略
组合数学
2025-10-21 v1
摘要
对话在教育场景中起着关键作用，但现有的大语言模型（LLM）教育应用评估方法主要关注技术性能或学习结果，常常忽视对学习者-LLM互动的关注。为缩小这一差距，本AIED Doctoral Consortium论文提出了一种持续研究方法，采用对话分析方法从学习者-LLM对话中识别有效的教学策略。所提出的方法包括对话数据收集、对话行为(DA)标注、DA模式挖掘和预测模型构建。概述了初步见解，作为未来研究的第一步。该工作强调，通过关注对话动态和教学策略来评估LLM-based教育应用的必要性。
引用
@article{arxiv.2510.17628,
title = {List-recoloring of two classes of planar graphs},
author = {Chenran Pan and Weifan Wang and Runrun Liu},
journal= {arXiv preprint arXiv:2510.17628},
year = {2025}
}
备注
10 pages