迈向可操作的教学反馈：数学教学与辅导对话的多视角分析

有效反馈对于改进数学教育中的教学实践至关重要，研究者常借助先进的自然语言处理（NLP）模型从多视角分析课堂对话。然而，话语层面的语篇分析面临两个主要挑战：(1) 多功能性，即单次话语可能服务于多个目的，而单一标签无法捕捉；(2) 许多话语被排除在特定领域的语篇行为分类之外，导致其在反馈中被忽略。为应对这些挑战，我们提出了一种多视角语篇分析框架，该框架将特定领域的教学行为（talk moves）与对话行为（使用包含43个标签的扁平化多功能SWBD-MASL模式）和语篇关系（应用包含16种关系的分段语篇表示理论）相结合。我们的自上而下分析框架能够全面理解包含教学行为的话语以及不包含教学行为的话语。该方法应用于两个数学教育数据集：TalkMoves（教学）和SAGA22（辅导）。通过分布性一元语法分析、序列教学行为分析和多视角深度探究，我们发现了有意义的语篇模式，并揭示了不包含教学行为的话语的关键作用，证明这些话语远非简单的填充语，而是在引导、确认和构建课堂语篇方面发挥着关键功能。这些见解强调了将语篇关系和对话行为整合到AI辅助教育系统中的重要性，以增强反馈并创造更具响应性的学习环境。我们的框架不仅可能有助于为人类教育者提供反馈，也有助于开发能够有效模拟教育者和学生角色的AI智能体。