SPHERE：利用结构化 LLM 输出审阅扩展编程教室中的个性化反馈
人机交互
2024-10-23 v1
摘要
有效的个性化反馈对编程学习至关重要。然而，在大型编程教室中提供个性化、实时反馈对教师构成重大挑战。本文介绍了 SPHERE 系统，它利用大型语言模型（LLM）和结构化 LLM 输出审阅来扩展编程课堂上的个性化反馈。SPHERE 包含两个关键组件：一个问题推荐组件，用于识别学生代码和讨论中的关键模式，以及一个反馈审阅组件，该组件使用“策略-细节-验证”方法高效创建和验证反馈。在一个面向实验室的between-subject研究中，结果表明 SPHERE 在改善反馈质量和整体反馈审阅流程方面优于使用即插即用 LLM 输出的基线系统。该工作为解决编程教育中实时响应、问题优先级排序和大规模个性化挑战，提供了一种新颖的方法。
引用
@article{arxiv.2410.16513,
title = {SPHERE: Scaling Personalized Feedback in Programming Classrooms with Structured Review of LLM Outputs},
author = {Xiaohang Tang and Sam Wong and Marcus Huynh and Zicheng He and Yalong Yang and Yan Chen},
journal= {arXiv preprint arXiv:2410.16513},
year = {2024}
}