‘Mistakes Help Us Grow’: Facilitating and Evaluating Growth Mindset Supportive Language in Classrooms

要約

教師の成長マインドセット支援言語（GMSL）、つまり時間の経過とともにスキルは向上できることを強調するレトリックは、学力の格差を大幅に削減し、生徒の学習成果を高めることが示されています。
教師は成長マインドセットの原則を支持していますが、この分野での効果的なコーチングが不足しているため、ほとんどの教師が実践に GMSL を導入するのが難しいと感じています。
私たちは、大規模言語モデル (LLM) が自動化されたパーソナライズされたコーチングを提供して、教師による GMSL の使用をサポートできるかどうかを調査します。
私たちは、(i) 付属の注釈ガイドを備えた GMSL で訓練された教師による支持的でない発言の再構成を含む並列データセット、(ii) 教師の支持的でない発言を修正するための GMSL プロンプト フレームワーク、および
(iii) 学生と教師の助けを借りて GMSL を評価するための心理学理論に基づいた評価フレームワーク。
私たちは、174 人の教師と 1,006 人の生徒を対象とした大規模な評価を実施しました。その結果、教師と生徒の両方が、GMSL の訓練を受けた教師とモデルのリフレーミングが、成長マインドセットの育成や挑戦を求める行動の促進、その他の利点においてより効果的であると認識していることがわかりました。
また、モデルによって生成されたリフレーミングは、GMSL の訓練を受けた教師によるリフレーミングよりも優れていることがわかりました。
これらの結果は、LLM を活用して教師に自動 GMSL フィードバックを提供する可能性、そしてより広範には教室での生徒の学習をサポートする LLM の可能性を示しています。
私たちの調査結果は、LLM を教育分野に適用する場合、大規模な人による評価の利点も示しています。

要約(オリジナル)

Teachers’ growth mindset supportive language (GMSL)–rhetoric emphasizing that one’s skills can be improved over time–has been shown to significantly reduce disparities in academic achievement and enhance students’ learning outcomes. Although teachers espouse growth mindset principles, most find it difficult to adopt GMSL in their practice due the lack of effective coaching in this area. We explore whether large language models (LLMs) can provide automated, personalized coaching to support teachers’ use of GMSL. We establish an effective coaching tool to reframe unsupportive utterances to GMSL by developing (i) a parallel dataset containing GMSL-trained teacher reframings of unsupportive statements with an accompanying annotation guide, (ii) a GMSL prompt framework to revise teachers’ unsupportive language, and (iii) an evaluation framework grounded in psychological theory for evaluating GMSL with the help of students and teachers. We conduct a large-scale evaluation involving 174 teachers and 1,006 students, finding that both teachers and students perceive GMSL-trained teacher and model reframings as more effective in fostering a growth mindset and promoting challenge-seeking behavior, among other benefits. We also find that model-generated reframings outperform those from the GMSL-trained teachers. These results show promise for harnessing LLMs to provide automated GMSL feedback for teachers and, more broadly, LLMs’ potentiality for supporting students’ learning in the classroom. Our findings also demonstrate the benefit of large-scale human evaluations when applying LLMs in educational domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google