BIPED: Pedagogically Informed Tutoring System for ESL Education

大型语言模型（LLMs）具有成为可用和经济高效的对话智能辅导系统（CITS）教授英语二语学习者的巨大潜力。然而，现有的CITS仅设计用于教授简单概念，或缺乏必要的教育深度来应对多样化的学习策略。为了开发一个更具有教育学知识的CITS，能够教授复杂的概念，我们构建了一个双语教育知识辅导数据集（BIPED），其中包含了一对一的人际英语辅导交互。通过对辅导交互的事后分析，我们构建了一个对话行为词汇表（34个导师行为和9个学生行为），并用它来进一步注释收集到的数据集。基于一个两步框架，先预测适当的导师行为，然后生成相应的回应，我们使用GPT-4和SOLAR-KO分别实现了两个CITS模型。我们通过实验证明，实现的模型不仅复制了人类教师的风格，而且采用了多样化和上下文适当的教育策略。

论文试图通过构建一个双语、教学理念驱动的数据集，开发一种更加深入的、能够教授复杂概念的英语二语学习者的对话智能辅导系统。

论文通过分析英语教学交互对话，提取对话行为词汇表，并基于此构建了一个双语、教学理念驱动的对话智能辅导数据集。研究使用GPT-4和SOLAR-KO两种模型，通过预测适当的教师行为来生成相应的回应，实验表明这两种模型不仅能够复制人类教师的风格，而且能够使用多样化和上下文适当的教学策略。

论文提出了一个新的双语、教学理念驱动的对话智能辅导数据集，并使用两种不同的模型进行实验。研究表明，这两种模型都表现出了多样化和上下文适当的教学策略，这使得它们成为一个有前途的研究方向。论文还提出了一个包含34个教师行为和9个学生行为的对话行为词汇表，这有助于未来的研究人员更好地理解教学交互对话。

最近的相关研究包括使用神经网络进行对话生成的研究，以及使用对话行为进行对话建模的研究。其中一些论文包括：《A Neural Conversational Model》、《Modeling Dialogue Acts with Content Word Filtering and Speaker Preferences》。