RECIPE4U: Student-ChatGPT Interaction Dataset in EFL Writing Education

生成式人工智能在教育中的应用正在扩展，但关于学生和人工智能系统之间大规模实际互动的经验分析仍然有限。为了填补这一空白，我们介绍了RECIPE4U（大学RECIPE），这是一个数据集，来源于一项为期一学期的实验，涉及212名大学生的外语英语写作课程。在研究期间，学生与ChatGPT进行对话，以修改他们的论文。RECIPE4U包括这些互动的全面记录，包括对话日志、学生意图、学生自评满意度和学生论文编辑历史。特别地，我们使用我们的编码方案，对RECIPE4U中学生的话语进行了13个意图标签的注释。我们在教育背景下的任务导向对话系统的两个子任务中建立了基线结果：意图检测和满意度估计。作为基础步骤，我们通过RECIPE4U探索了学生-ChatGPT交互模式，并通过关注学生的对话、论文数据统计和学生的论文编辑来分析它们。我们进一步说明了RECIPE4U数据集在增强LLMs整合教育框架方面的潜在应用。RECIPE4U可在https://zeunie.github.io/RECIPE4U/上公开获取。

这篇论文旨在解决大规模、真实世界中学生与AI系统之间互动的实证分析仍然有限的问题。作者通过一个学期长的实验，使用ChatGPT与212名大学生进行对话，以修订他们的英语作文。论文的目标是建立一个用于教育对话系统中任务导向对话系统的意图检测和满意度估计的基线。

论文通过实验建立了一个数据集（RECIPE4U），包括学生与ChatGPT之间的对话记录、学生意图、学生自我评价满意度以及学生的文章编辑历史。这个数据集的亮点在于，作者使用13个意图标签对学生的话语进行了注释，并建立了任务导向对话系统中意图检测和满意度估计的基线结果。

该论文的亮点在于建立了一个用于教育对话系统的基线，这个基线可以用于意图检测和满意度估计。此外，作者还提供了一个可以公开访问的数据集RECIPE4U，其中包括学生与ChatGPT之间的对话记录、学生意图、学生自我评价满意度以及学生的文章编辑历史。作者还对学生-ChatGPT互动模式进行了分析，并探讨了RECIPE4U数据集在增强LLMs在教育框架中的应用方面的潜力。

最近在这个领域中，还有一些相关的研究，例如：1.《The Effect of Personalized Feedback in Intelligent Tutoring Systems》；2.《Towards Explainable AI in Education: A Survey of Current Trends, and Prospects on Natural Language Processing》；3.《Designing for Transparency in Adaptive Educational Technologies: An Introduction to the Special Issue》等。