用于开发AI辅导系统的机器教学交互设计
大语言模型(LLM)的人机协作可解释人工智能(XAI)智能辅导系统与学习分析大学教授与研究人员在线课程设计师
智能辅导系统(ITS)已被证明在单独使用或与传统教学结合使用时可以改善学生的教育成果。然而,构建ITS是一个耗时的过程,需要对现有工具进行专门的知识。现有的创作方法,包括认知辅导创作工具(CTAT)的示例追踪方法和SimStudent的通过辅导进行创作,使用演示编程来使作者比通过模型追踪的手动编程更快地构建ITS。然而,这些方法仍然存在创作时间长或难以创建完整模型的问题。在这项研究中,我们展示了使用学徒学习者(AL)框架构建的模拟学习者可以与一种强调模型透明性、输入灵活性和问题解决控制的新交互设计相结合,使作者能够在比现有创作方法更短的时间内实现更大的模型完整性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 80%
课堂仿真:在线教育中构建情境学生生成代理以模拟学习行为
CHI '25· 大语言模型(LLM)的人机协作 +1
- 80%
好篱笆造就好学习:自主语言学习者如何权衡LLM委托决策
CHI '26· 大语言模型(LLM)的人机协作 +1
- 80%
AskNow:一个用于大规模课堂实时问答的LLM驱动交互系统
CHI '26· 大语言模型(LLM)的人机协作 +1
- 80%
AI赋能数学教育:利用情境感知AI支持大规模数学课程中的教师
CHI '26· 大语言模型(LLM)的人机协作 +1
- 80%
AI伙伴能否赋能学习者提出批判性问题?
IUI '25· 大语言模型(LLM)的人机协作 +1
- 67%
绘制基于项目的AI学习的未来:与学生的共同设计探索
CHI '24· 大语言模型(LLM)的人机协作 +1
- 67%
解锁科学概念:LLM生成的类比对学生理解和课堂实践的有效性如何?
CHI '25· 大语言模型(LLM)的人机协作 +1
- 67%
支持学习者使用不完美的生成式教学聊天机器人:聊天机器人响应不确定性与降低冗长性的作用
CHI '26· 对话式聊天机器人 +2
- 67%
一项实证研究:理解学生如何使用ChatGPT撰写论文
CHI '26· 大语言模型(LLM)的人机协作 +2
- 67%
向谁解释很重要:通过向具有不同教学角色的对话代理解释来学习
CHI '26· 智能辅导系统与学习分析 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376226
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、可解释人工智能(XAI)、智能辅导系统与学习分析
work
职业/产业
大学教授与研究人员、在线课程设计师
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文