Generative AI for Enhancing Active Learning in Education: A Comparative Study of GPT-3.5 and GPT-4 in Crafting Customized Test Questions

本研究探讨了LLMs（即GPT-3.5和GPT-4）如何根据积极学习原则为九年级数学开发定制问题。通过使用迭代方法，这些模型根据难度和内容调整问题，并响应模拟的“学生”模型的反馈。研究的一个新颖方面是使用GPT-4作为“教师”创建复杂问题，以GPT-3.5作为“学生”来应对这些挑战。这种设置类似于积极学习，促进更深入的参与。研究结果表明，GPT-4生成精确、具有挑战性的问题的能力优于其他模型，并且在接受GPT-4指导后，GPT-3.5处理更复杂问题的能力有了显著提高。这些结果强调了LLMs模仿和增强积极学习场景的潜力，为个性化教育中AI的应用提供了有前途的途径。本研究有助于理解AI如何支持个性化学习体验，并强调了需要在各种教育背景下进一步探索的必要性。

本论文旨在探讨如何利用LLMs（如GPT-3.5和GPT-4）根据主动学习原则为九年级数学定制问题。通过迭代方法，这些模型根据难度和内容调整问题，根据模拟的“学生”模型的反馈进行响应。研究的一个新颖方面是使用GPT-4作为“教师”创建复杂问题，GPT-3.5作为“学生”回答这些挑战。这种设置类似于主动学习，促进了更深入的参与。研究结果表明，GPT-4生成精确、具有挑战性的问题的能力优于其他模型，并且在接受GPT-4的指导后，GPT-3.5处理更复杂问题的能力有了显著提高。这些结果强调了LLMs在模拟和增强主动学习场景方面的潜力，为个性化教育中的AI提供了有前途的路径。本研究有助于理解AI如何支持个性化学习体验，强调了在各种教育背景下进一步探索的必要性。

本论文的关键思路是利用LLMs根据主动学习原则为九年级数学定制问题。使用GPT-4作为“教师”创建复杂问题，GPT-3.5作为“学生”回答这些挑战，从而模拟和增强主动学习场景。

本论文的亮点包括使用LLMs为个性化学习提供有前途的路径，使用GPT-4作为“教师”创建复杂问题，GPT-3.5作为“学生”回答这些挑战，以及研究结果表明GPT-4生成精确、具有挑战性的问题的能力优于其他模型，并且在接受GPT-4的指导后，GPT-3.5处理更复杂问题的能力有了显著提高。

在最近的相关研究中，也有一些关于利用AI技术支持个性化学习的工作。例如，题为“Personalized Learning Using Deep Learning Techniques”的论文探讨了如何使用深度学习技术为学生提供个性化的学习体验。另外，题为“Using Artificial Intelligence to Personalize Learning for Students”的论文则介绍了如何使用人工智能技术为学生提供更加个性化的学习体验。