利用数字论证学习中的学习者错误:ALure如何帮助学生从错误中学习并写出更好的论证
为准备在协作环境中工作的学生提供论证反馈被认为是有帮助的,可以帮助他们写出更高质量的论证文本。领域无关的自然语言处理(NLP)方法(如生成模型)可以利用学习者在论证学习中的错误和谬误来帮助学生写出更好的论证文本。为此,我们收集设计需求,然后设计和实现两个不同版本的ALure系统来提高学生的论证技能。我们在大学课堂上305名学生中测试了ALure如何帮助学生学习论证,并将两个版本的ALure与使用视频辅导的对照组进行比较。我们发现并讨论了使用ALure后两组与对照组在论证结构和谬误学习增益方面的差异。我们的研究结果揭示了使用NLP最新进展的计算机支持系统在协作工作环境中帮助学生学习论证这一必要技能的适用性。
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。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CSCW
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
7 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文