Personality-aware Student Simulation for Conversational Intelligent Tutoring Systems

要約

インテリジェント個別指導システム (ITS) は、個人に合わせた自分のペースでの学習体験を提供できます。
大規模言語モデル (LLM) の出現により、人間と機械の対話がさらに改善され、数学や言語学習などのさまざまな分野での会話型 ITS の開発が促進されます。
対話的な教育では、個人の特性を認識してそれに適応することで、生徒の関与と学習効率を大幅に向上させることができます。
ただし、会話型 ITS のトレーニングと評価において、学生のペルソナを特徴付けてシミュレートすることは依然として困難です。
この研究では、認知的側面と非認知的側面の両方を洗練して統合することでさまざまな学生グループのプロファイルを構築し、言語学習シナリオでの性格を意識した学生シミュレーションに LLM を活用するフレームワークを提案します。
多面的な検証によりフレームワークをさらに強化し、教師と生徒の両方の視点から広範な分析を実施します。
私たちの実験結果は、最先端の LLM が、与えられた言語能力と性格特性に応じて多様な生徒の反応を生み出し、教師の適応的な足場戦略を引き起こすことができることを示しています。

要約(オリジナル)

Intelligent Tutoring Systems (ITSs) can provide personalized and self-paced learning experience. The emergence of large language models (LLMs) further enables better human-machine interaction, and facilitates the development of conversational ITSs in various disciplines such as math and language learning. In dialogic teaching, recognizing and adapting to individual characteristics can significantly enhance student engagement and learning efficiency. However, characterizing and simulating student’s persona remain challenging in training and evaluating conversational ITSs. In this work, we propose a framework to construct profiles of different student groups by refining and integrating both cognitive and noncognitive aspects, and leverage LLMs for personality-aware student simulation in a language learning scenario. We further enhance the framework with multi-aspect validation, and conduct extensive analysis from both teacher and student perspectives. Our experimental results show that state-of-the-art LLMs can produce diverse student responses according to the given language ability and personality traits, and trigger teacher’s adaptive scaffolding strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google