PulseAugur
实时 12:19:50

LLM生成的教育反馈有效性研究

一项新近发表在arXiv上的研究,探讨了如何设计由大型语言模型(LLMs)生成的有效教育反馈。研究人员针对生物学问题探索了六种不同的反馈设计,并与高中生进行了测试。研究结果表明,提供清晰、全面的指导的反馈能够提高修订表现,并且普遍受到不同学习者群体的欢迎。然而,反馈中信息新颖性和情感框架的偏好可能因个体学习者特征而异,这表明需要个性化LLM反馈设计。 AI

影响 建议根据个体学习者特征定制LLM生成的教育内容,以改善学习效果。

排序理由 发表在arXiv上的研究论文,详细介绍了实证研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LLM生成的教育反馈有效性研究

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Momoka Furuhashi, Kouta Nakayama, Noboru Kawai, Takashi Kodama, Saku Sugawara, Kyosuke Takami ·

    研究 LLM 生成的教育反馈的学习者感知设计

    arXiv:2602.11650v2 Announce Type: replace Abstract: Although large language models (LLMs) show promise for generating educational feedback, it remains unclear how feedback should be designed (e.g., tone and information coverage) to support answer revision and learner acceptance a…