AL:一个用于论证技能的自适应学习支持系统
荣誉提名作者
大语言模型(LLM)的人机协作智能辅导系统与学习分析中小学教师(K-12)大学教授与研究人员
自然语言处理(NLP)的最新进展为分析文本的论证质量提供了机会。这可以用来为学生在其个人学习旅程中提供个性化和适应性的反馈。为了测试对学生论证的个性化反馈是否能帮助他们写出更有说服力的文章,我们开发了AL,这是一种适应性的IT工具,为学生提供给定文本的论证结构反馈。我们将AL与54名学生进行比较,以验证论证支持工具的有效性。我们发现使用AL的学生比使用传统方法的学生写出了更有说服力的文章,其论证形式质量也更好。测量的技术接受度为将此工具作为不同学习环境中的反馈应用程序提供了有希望的结果。结果表明,基于NLP的学习应用程序可能对传统学习环境中学生的写作和推理能力的提高有有益的作用。
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。
- 100%
LessonPlanner:使用大型语言模型帮助新手教师准备教学驱动的课程计划
UIST '24· 大语言模型(LLM)的人机协作 +1
- 80%
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
- 80%
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
- 80%
拼凑团队合作:基于LLM的教育拼图代理的责任方法
CHI '25· 大语言模型(LLM)的人机协作 +2
- 80%
CoGrader:通过协作式大语言模型集成转变教师对项目报告的评估方式
UIST '25· 大语言模型(LLM)的人机协作 +2
- 67%
ClassMeta:设计互动虚拟同学以促进VR课堂参与
CHI '24· VR 中的社交与协作 +2
- 67%
VIVID:人类与AI协作从讲座视频中创作替代对话
CHI '24· 大语言模型(LLM)的人机协作 +2
- 67%
TutorCraftEase: 使用大型语言模型提升教学问题设计
CHI '25· 大语言模型(LLM)的人机协作 +2
- 67%
TeachTune: 使用模拟学生针对多样化的学习者档案审查教学代理
CHI '25· 生成式AI(文本、图像、音乐、视频) +2
- 67%
探索块式编程中教师与聊天机器人的交互及情感
CHI '26· 大语言模型(LLM)的人机协作 +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/10.1145/3313831.3376732
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
荣誉提名
group
作者
6 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、智能辅导系统与学习分析
work
职业/产业
中小学教师(K-12)、大学教授与研究人员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文