一项新研究发表在arXiv上，探讨了大型语言模型（LLM）辅导互动对本科人工智能课程中学生学业成绩的预测价值。研究人员分析了来自StudyChat工具的超过16,000次学生-助手交流，并将这些互动与学生记录进行匹配。虽然像Gradient Boosting这样的标准机器学习模型与基线方法相比，在预测作业分数方面仅显示出边际改进，但研究发现这些LLM互动对表现最差四分位学生的影响更大。该研究强调了基线选择和误差分布如何影响对人工智能教育工具的评估。 AI
影响 强调了LLM导师识别风险学生的潜力，为开发更具针对性的教育支持工具提供了信息。
排序理由 学术论文，详细介绍了关于LLM辅导互动和学生学业成绩预测的研究。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
