SPL: A Socratic Playground for Learning Powered by Large Language Mode

基于对话的智能辅导系统（ITS）通过在交互式对话中自动化复杂的人类辅导策略，显著推进了自适应和个性化学习。然而，在自然语言处理（NLP）中复制专家人类交流的微妙模式仍然是一个挑战。近年来，特别是像OpenAI的GPT-4这样的大型语言模型（LLM）在NLP方面取得了重大进展，通过提供基于广泛预训练知识的类人和上下文感知的响应，提供了有希望的解决方案。受LLMs在各种教育任务（例如内容创作和摘要、问题解决和自动反馈提供）中的有效性的激励，我们的研究介绍了Socratic Playground for Learning（SPL），这是一个由GPT-4模型驱动的基于对话的ITS，采用苏格拉底教学法来培养学习者的批判性思维。通过广泛的提示工程，SPL可以生成特定的学习场景，并促进高效的多轮辅导对话。SPL系统旨在增强个性化和自适应学习体验，以满足个体需求，具体关注提高批判性思维能力。我们的试点实验结果表明，SPL有潜力改善辅导交互，并进一步增强基于对话的ITS功能。我们的研究，以SPL为例，展示了LLMs如何增强基于对话的ITS，并扩大教育技术的可访问性和功效。

论文旨在通过引入大型语言模型（LLMs）来解决对话式智能辅导系统中的自然语言处理挑战，以促进个性化和自适应学习，并重点提高批判性思维技能。

通过使用OpenAI的GPT-4模型，论文提出了Socratic Playground for Learning（SPL）对话式ITS，采用Socratic教学方法，通过生成特定的学习场景和促进高效的多轮辅导对话来实现目标。

论文的实验结果表明，SPL具有改善辅导交互和进一步增强对话式ITS功能的潜力。值得关注的是，论文使用了大量的提示工程来生成特定的学习场景，并使用了GPT-4模型来生成人类化和上下文感知的回复。

最近的研究包括使用LLMs进行内容创作和摘要、问题解决和自动反馈提供等教育任务。相关研究包括“GPT-3 for Education: Automatic Question and Answer Generation for Adaptive Learning”和“AI-assisted Learning: Personalized Education for the Masses”。