面向大语言模型教学的教育引导：以建模生产性失败为案例研究
人机交互
2025-03-20 v2 人工智能
计算机与社会
多智能体系统
摘要
一对一辅导是教学中最有效的方法之一。随着大语言模型（LLMs）的流行，已有 efforts 致力于创建基于 LLM 的对话式辅导员，以将一对一辅导的益处扩展给每个人。然而，当前的 LLMs 主要被训练为有帮助的助理，缺乏关键的教育技能。例如，它们常常迅速揭示解决方案，并未计划进行更丰富的多轮教育互动。要将 LLMs 用于教育环境，需要引导其使用有效的教学策略：我们将此问题称为教育引导。我们开发了 StratL，一种用于优化 LLM 提示并引导其遵循以迁移图表示的预定义多轮辅导计划的算法。作为案例研究，我们创建一个遵循生产性失败（Productive Failure，PF）这一先进且有效的学习设计的高中数学辅导员原型。为在真实世界环境中验证我们的方法，我们在新加坡的 17 名高中学生进行了现场研究，表明 StratL 成功地将 LLM 引导遵循 PF 辅导策略。最后，我们概述了 LLM 教育引导中的挑战，并通过发布 PF 问题数据集和我们的代码，为进一步的改进提供了机遇。
引用
@article{arxiv.2410.03781,
title = {Towards the Pedagogical Steering of Large Language Models for Tutoring: A Case Study with Modeling Productive Failure},
author = {Romain Puech and Jakub Macina and Julia Chatain and Mrinmaya Sachan and Manu Kapur},
journal= {arXiv preprint arXiv:2410.03781},
year = {2025}
}
备注
19 pages, 10 figures, 6 tables