通过大语言模型扩展基于证据的教学设计专长
计算与语言
2023-06-27 v2 人机交互
摘要
本文全面探讨了在教学设计领域中利用大语言模型（LLMs），特别是 GPT-4 的应用。聚焦于扩展基于证据的教学设计专长，本研究旨在弥合教育理论研究与实操落地之间的鸿沟。我们讨论了 AI 驱动内容生成的优势与局限，强调人工监督对于保障教学材料质量的必要性。通过两个详细案例研究阐释了本工作：我们将 GPT-4 应用于不同课程中复杂高阶测评与主动学习组件的创建。基于我们的经验，提供了在教学设计任务中有效使用 LLM 的最佳实践，如利用模板、微调、处理意外输出、实施 LLM 链、引用文献、评估输出、创建评分量规、评分与生成干扰项。我们还分享了未来推荐系统的愿景：一个定制化的 GPT-4 从教育研究中提取教学设计原则，并为用户独特教育情境生成个性化的、有证据支撑的策略。我们的研究有助于理解并最优地利用 AI 驱动语言模型在提升教育成效方面的潜力。
引用
@article{arxiv.2306.01006,
title = {Scaling Evidence-based Instructional Design Expertise through Large Language Models},
author = {Gautam Yadav},
journal= {arXiv preprint arXiv:2306.01006},
year = {2023}
}