Agent4Edu: Generating Learner Response Data by Generative Agents for Intelligent Education Systems

要約

パーソナライズされた学習は、学習者の実践効率を高めることを目的とした、インテリジェントな教育システムにおける有望な教育戦略です。
ただし、オフラインの指標とオンラインのパフォーマンスの間に不一致があるため、その進歩は大きく妨げられます。
この課題に対処するために、大規模言語モデル (LLM) による人間の知能の最近の進歩を活用した、新しいパーソナライズされた学習シミュレーターである Agent4Edu を紹介します。
Agent4Edu は、パーソナライズされた学習アルゴリズムに合わせて調整された学習者プロファイル、メモリ、およびアクション モジュールを備えた LLM を利用した生成エージェントを備えています。
学習者のプロファイルは、実践スタイルと認知要素をキャプチャした現実世界の応答データを使用して初期化されます。
人間の心理理論に触発されたメモリ モジュールは、実践の事実と高レベルの要約を記録し、反映メカニズムを統合します。
アクション モジュールは、運動の理解、分析、応答の生成など、さまざまな動作をサポートします。
各エージェントは、コンピューターによる適応テストなどのパーソナライズされた学習アルゴリズムと対話できるため、カスタマイズされたサービスの多面的な評価と強化が可能になります。
包括的な評価を通じて、Agent4Edu の長所と短所を調査し、エージェントと人間の学習者の間の応答の一貫性と相違を強調します。
コード、データ、付録は https://github.com/bigdata-ustc/Agent4Edu で公開されています。

要約(オリジナル)

Personalized learning represents a promising educational strategy within intelligent educational systems, aiming to enhance learners’ practice efficiency. However, the discrepancy between offline metrics and online performance significantly impedes their progress. To address this challenge, we introduce Agent4Edu, a novel personalized learning simulator leveraging recent advancements in human intelligence through large language models (LLMs). Agent4Edu features LLM-powered generative agents equipped with learner profile, memory, and action modules tailored to personalized learning algorithms. The learner profiles are initialized using real-world response data, capturing practice styles and cognitive factors. Inspired by human psychology theory, the memory module records practice facts and high-level summaries, integrating reflection mechanisms. The action module supports various behaviors, including exercise understanding, analysis, and response generation. Each agent can interact with personalized learning algorithms, such as computerized adaptive testing, enabling a multifaceted evaluation and enhancement of customized services. Through a comprehensive assessment, we explore the strengths and weaknesses of Agent4Edu, emphasizing the consistency and discrepancies in responses between agents and human learners. The code, data, and appendix are publicly available at https://github.com/bigdata-ustc/Agent4Edu.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google