論文の概要: CLASS: A Design Framework for building Intelligent Tutoring Systems based on Learning Science principles

• arxiv url: http://arxiv.org/abs/2305.13272v2
• Date: Thu, 26 Oct 2023 01:25:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-28 02:08:47.450258
• Title: CLASS: A Design Framework for building Intelligent Tutoring Systems based on Learning Science principles
• Title（参考訳）: CLASS:学習科学の原理に基づく知能学習システム構築のための設計フレームワーク
• Authors: Shashank Sonkar, Naiming Liu, Debshila Basu Mallick, Richard G. Baraniuk
• Abstract要約: 本稿では,高性能大規模言語モデル(LLM)を利用した高度知能チューニングシステム(ITS)を構築するためのフレームワークを提案する。 CLASSフレームワークには本質的な問題解決戦略が備わっており、教師のような段階的な指導を学生に提供することができる。 我々は、CLASSフレームワークを用いて学習し、大学レベルの生物コンテンツに焦点をあてた概念実証ITS(SPOCK)を提案する。
• 参考スコア（独自算出の注目度）: 25.90420385230675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a design framework called Conversational Learning with Analytical Step-by-Step Strategies (CLASS) for building advanced Intelligent Tutoring Systems (ITS) powered by high-performance Large Language Models (LLMs). The CLASS framework empowers ITS with two key capabilities. First, through a carefully curated scaffolding dataset, CLASS equips ITS with essential problem-solving strategies, enabling it to provide tutor-like, step-by-step guidance to students. Second, by using a dynamic conversational dataset, CLASS assists ITS in facilitating natural language interactions, fostering engaging student-tutor conversations. The CLASS framework also provides valuable insights into ITS' internal decision-making process which allows seamless integration of user feedback, thus enabling continuous refinement and improvement. We also present a proof-of-concept ITS, referred to as SPOCK, which is trained using the CLASS framework with a focus on introductory college-level biology content. A carefully constructed protocol was developed for SPOCK's preliminary evaluation, examining aspects such as the factual accuracy and relevance of its responses. Experts in the field of biology offered favorable remarks, particularly highlighting SPOCK's capability to break down questions into manageable subproblems and provide encouraging responses to students. Code and models are available at https://github.com/luffycodes/Tutorbot-Spock.
• Abstract（参考訳）: 本稿では,高性能大規模言語モデル(LLM)を活用した高度知能学習システム(ITS)を構築するためのCLASS(Conversational Learning with Analytical Step-by-Step Strategies)という設計フレームワークを提案する。 CLASSフレームワークは、2つの重要な機能でITSに権限を与える。 まず、慎重に訓練された足場データセットを通じて、CLASSは本質的な問題解決戦略を提供し、学生にチューターのようなステップバイステップのガイダンスを提供する。 第二に、動的な会話型データセットを使用することで、クラスは自然言語インタラクションの促進を支援し、学生-教師間の会話を促進する。 CLASSフレームワークはまた、ユーザフィードバックをシームレスに統合し、継続的な改善と改善を可能にするITSの内部決定プロセスに関する貴重な洞察を提供する。 また,spockと呼ばれる概念実証法も提示し,初等的大学レベルの生物学コンテンツに着目し,クラスフレームワークを用いて学習する。 SPOCK の事前評価のためのプロトコルを慎重に構築し,その応答の事実的正確性や関連性について検討した。 生物学の分野の専門家は、特にSPOCKが、質問を管理可能なサブプロブレムに分解し、学生に励ましを与える能力を強調した。 コードとモデルはhttps://github.com/luffycodes/tutorbot-spockで入手できる。

関連論文リスト

• SINKT: A Structure-Aware Inductive Knowledge Tracing Model with Large Language Model [64.92472567841105]
  知識追跡(KT)は、学生が次の質問に正しく答えるかどうかを判断することを目的としている。 大規模言語モデルを用いた構造認識帰納的知識追跡モデル(SINKT) SINKTは、学生の知識状態と質問表現とを相互作用させることで、対象の質問に対する学生の反応を予測する。
  論文  参考訳（メタデータ） (2024-07-01T12:44:52Z)
• BIPED: Pedagogically Informed Tutoring System for ESL Education [11.209992106075788]
  大規模言語モデル(LLM)は、容易に利用でき、コスト効率の良い会話型知能チューニングシステム(CITS)として機能する大きな可能性を秘めている。 既存のCITSは、単純な概念だけを教えるか、多様な学習戦略に取り組むために必要な教育的な深さを欠くように設計されている。 バイリンガル PEDagogically-informed Tutoring dataset of one-on-one, human-to- Human English tutoring Interaction。
  論文  参考訳（メタデータ） (2024-06-05T17:49:24Z)
• Ruffle&Riley: Insights from Designing and Evaluating a Large Language Model-Based Conversational Tutoring System [21.139850269835858]
  会話学習システム(CTS)は、自然言語に基づく対話を通じて学習体験を提供する。 大規模言語モデル(LLM)の最近の進歩を2つの方法で活用する新しいタイプのCTSについて検討・評価する。 このシステムは、授業テキストから容易に編集可能な教育用スクリプトを自動生成することにより、AI支援コンテンツオーサリングを可能にする。
  論文  参考訳（メタデータ） (2024-04-26T14:57:55Z)
• A Knowledge-Injected Curriculum Pretraining Framework for Question Answering [70.13026036388794]
  本稿では,知識に基づく質問応答タスクの総合的なKG学習と活用を実現するための一般知識注入型カリキュラム事前学習フレームワーク(KICP)を提案する。 KIモジュールはまずKG中心の事前学習コーパスを生成してLMに知識を注入し、プロセスを3つの重要なステップに一般化する。 KAモジュールは、アダプタを備えたLMで生成されたコーパスから知識を学習し、元の自然言語理解能力を維持できる。 CRモジュールは人間の推論パターンに従って3つのコーパスを構築する。
  論文  参考訳（メタデータ） (2024-03-11T03:42:03Z)
• SAPT: A Shared Attention Framework for Parameter-Efficient Continual Learning of Large Language Models [71.78800549517298]
  大規模言語モデル(LLM)を動的世界に展開するには,継続的な学習(CL)能力が不可欠である。 既存の方法は、パラメータ効率チューニング(PET)ブロックを用いてタスク固有の知識を取得するための学習モジュールと、テスト入力に対して対応するものを選択するための選択モジュールを考案する。 本稿では,共有注意学習と選択モジュールを通じてPET学習と選択を調整するための新しい共有注意フレームワーク(SAPT)を提案する。
  論文  参考訳（メタデータ） (2024-01-16T11:45:03Z)
• Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
  目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。 GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。 PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-03T12:37:16Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• Unsupervised Object-Centric Learning with Bi-Level Optimized Query Slot Attention [26.25900877220557]
  Slot-Attentionモジュールはシンプルだが効果的な設計で重要な役割を担い、多くの強力な変種を育ててきた。 本稿では、学習可能なクエリでSlot-Attentionモジュールを初期化し、(2)バイレベル最適化でモデルを最適化することで、これらの問題を解決することを提案する。 本モデルでは、教師なし画像分割と再構成において、合成と複雑な実世界の両方のデータセットに対して最先端の結果が得られる。
  論文  参考訳（メタデータ） (2022-10-17T12:14:59Z)
• elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
  本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。 このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。 elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
  論文  参考訳（メタデータ） (2022-03-17T16:23:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。