Ruffle&Riley：迈向自动化引导的对话式辅导系统
计算与语言
2023-11-15 v2 人工智能
人机交互
摘要
对话式辅导系统（CTS）提供由自然语言交互驱动的学习体验。众所周知，它们能促进高水平的认知参与并有益于学习成效，尤其在推理任务中。然而，编写 CTS 内容所需的时间与成本是广泛采用的主要障碍。本文中，我们引入一种新型 CTS，它以两种方式利用大语言模型（LLM）的最新进展：首先，系统从课程文本中自动引导出辅导脚本。其次，系统通过两个基于 LLM 的代理（Ruffle&Riley）以教中学形式扮演学生与教授角色，实现脚本编排的自动化。该系统允许遵循智能辅导系统（ITS）典型内循环与外循环结构的自由形式对话。在一项初始的被试间在线用户研究（N = 100）中，将 Ruffle&Riley 与更简单的问答聊天机器人和阅读活动比较，我们发现后测分数无显著差异。尽管如此，在学习体验调查中，Ruffle&Riley 用户给出了更高的理解与记忆评分，并进一步认为所提供的支持更有帮助、对话更连贯。我们的研究为新一代可扩展 CTS 技术提供了见解。
引用
@article{arxiv.2310.01420,
title = {Ruffle&Riley: Towards the Automated Induction of Conversational Tutoring Systems},
author = {Robin Schmucker and Meng Xia and Amos Azaria and Tom Mitchell},
journal= {arXiv preprint arXiv:2310.01420},
year = {2023}
}
备注
NeurIPS'23 GAIED, Camera-ready