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

基于对话的智能辅导系统（ITSs）通过在交互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。最近NLP的进展，特别是大型语言模型（LLMs），如OpenAI的GPT-4，通过提供基于广泛预训练知识的类人和上下文感知响应，提供了有希望的解决方案。受LLMs在各种教育任务（如内容创建和摘要、问题解决和自动反馈提供）中的有效性的启发，我们的研究引入了基于Socratic教学法的Socratic Playground for Learning（SPL），这是一个由GPT-4模型驱动的基于对话的ITS，旨在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的学习体验，以满足个体需求，特别是专注于提高批判性思维能力。我们的试点实验结果来自于论文写作任务，表明SPL有潜力改进辅导交互，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效果。

论文介绍了一种基于GPT-4的对话式智能辅导系统，旨在提高学生的批判性思维能力。

使用GPT-4模型和苏格拉底式教学方法，通过对话式智能辅导系统来提高学生的批判性思维能力。

论文介绍了Socratic Playground for Learning (SPL)系统，该系统使用GPT-4模型和苏格拉底式教学方法，通过对话式智能辅导系统来提高学生的批判性思维能力。实验结果表明，SPL系统能够改善辅导交互并进一步增强对话式智能辅导系统的功能。

最近的相关研究包括基于对话式智能辅导系统的教育技术，以及使用大型语言模型的自然语言处理技术。