PlanGlow：基于可解释可控 LLM 的个性化学习计划系统
人机交互
2025-04-18 v1
摘要
自我导向学习是当今快速变化世界中实现个人发展的关键，但许多学习者难以有效管理。虽然大型语言模型(LLM)等人工智能工具具有个性化学习规划的潜力，但面临透明度和信息幻觉等问题。为此，我们提出了 PlanGlow，一种基于 LLM 的系统，通过以用户为中心的交互生成清晰解释和可控性的个性化、结构良好的学习计划。通过混合方法，我们对 28 名参与者进行了调查，访谈了 10 名者，以开发为依据，随后对 24 名参与者进行了在同一主体实验，以评估 PlanGlow 的性能、可用性、可控性和可解释性，比较两个基准系统：基于 GPT-4o 的系统和 Khan Academy 的 Khanmigo。结果显示，PlanGlow 在可用性、可解释性和可控性方面显著优于基准系统。此外，两位教育专家评估并确认了所生成学习计划的质量。这一发现凸显了 PlanGlow 提升个性化学习并解决自我导向学习关键挑战的潜力。
引用
@article{arxiv.2504.12452,
title = {PlanGlow: Personalized Study Planning with an Explainable and Controllable LLM-Driven System},
author = {Jiwon Chun and Yankun Zhao and Hanlin Chen and Meng Xia},
journal= {arXiv preprint arXiv:2504.12452},
year = {2025}
}
备注
12 pages, 6 figures. To appear at ACM Learning@Scale 2025