Scaffolding Language Learning via Multi-modal Tutoring Systems with Pedagogical Instructions

智能辅导系统（ITSs）模仿人类导师的行为，旨在为学习者提供即时的、个性化的指导或反馈，并在教育领域展示了其有效性。随着生成式人工智能的出现，大型语言模型（LLMs）进一步授权系统进行复杂而连贯的对话互动。这些系统在语言教育方面将会有很大的帮助，因为它涉及到发展沟通技能，而这方面却相对较少受到关注。此外，由于年龄较小时认知发展较为复杂，因此需要更多的努力来实现实际应用。脚手架指的是一种教学技术，教师为学生提供支持和指导，以便学生学习和发展新的概念或技能。这是一种支持不同学习需求、目标、过程和结果的有效方式。在这项工作中，我们通过对引导儿童描述图像以进行语言学习的案例研究，研究了教学指导如何促进ITSs中的脚手架，构建了基于四个基本学习理论（知识构建、探究式学习、对话式教学和近代发展区域）的不同类型的脚手架辅导系统。为了进行定性和定量分析，我们构建和完善了一个七维度评估脚手架过程的评分表。在我们对GPT-4V进行的实验中，我们观察到LLMs表现出遵循教学指导并在不同的学生群体中实现自主学习的强大潜力。此外，我们将我们的评估框架从手动转换为自动方法，为基准各种对话辅导系统铺平了道路。

本论文旨在探讨如何在智能辅导系统中应用脚手架教学策略，以帮助儿童进行语言学习。具体而言，研究人员考察了四种基本学习理论（知识构建、探究式学习、对话式教学和近代发展区）下的不同类型的辅导系统，以及它们如何促进学习者的学习过程。

论文提出了使用大型语言模型的智能辅导系统，可以通过脚手架教学策略来帮助学习者进行语言学习。研究人员设计了一个七维度的评估标准，以评估不同类型的辅导系统的脚手架教学效果。实验结果表明，使用大型语言模型的智能辅导系统可以有效地帮助学生进行自主学习。

论文采用了大型语言模型和脚手架教学策略相结合的方法，为语言学习提供了一种新的解决方案。研究人员设计了一个七维度的评估标准，以评估不同类型的辅导系统的脚手架教学效果。实验结果表明，使用大型语言模型的智能辅导系统可以有效地帮助学生进行自主学习。

近期的相关研究包括：1.《基于大数据的智能辅导系统》；2.《基于机器学习的智能辅导系统》；3.《利用深度学习技术的智能辅导系统》等。