PATS：基于大语言模型辅导教师的个性化感知教学策略
计算与语言
2026-01-14 v1 人工智能
摘要
大语言模型（LLM）的最新进展展示了其作为教育辅导教师的潜力。然而，不同的辅导策略适用于不同的学生性格，策略与学生性格不匹配可能会对学习效果产生反作用。尽管如此，当前的 LLM 辅导系统并未考虑学生的性格特征。为解决这一问题，我们首先基于教育学文献构建了一个将教学方法与性格特征相联系的分类体系。我们模拟了师生对话，并利用我们的框架让 LLM 辅导教师根据模拟的学生性格调整其策略。我们与人类教师一起对该场景进行了评估，发现他们一致倾向于我们的方法而非两种基线方法。我们的方法还增加了对角色扮演等不常见但高影响力策略的使用，人类和 LLM 标注员对此表现出显著偏好。我们的发现为在教育应用中开发更个性化、更有效的 LLM 应用铺平了道路。
引用
@article{arxiv.2601.08402,
title = {PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors},
author = {Donya Rooein and Sankalan Pal Chowdhury and Mariia Eremeeva and Yuan Qin and Debora Nozza and Mrinmaya Sachan and Dirk Hovy},
journal= {arXiv preprint arXiv:2601.08402},
year = {2026}
}