Strategize Before Teaching: A Conversational Tutoring System with Pedagogy Self-Distillation

要約

会話型個別指導システム (CTS) は、学生が対話形式で自然言語の相互作用を使用して教材を習得できるようにすることを目的としています。
CTS は、教育データ マイニング研究の重要な柱となっています。
CTS の主な課題は、人間の教師と同じように、学生を会話に参加させながら、人間の教師と同様に多様な教育戦略に触れさせ、その過程で学生が学習できるようにすることです。
戦略を入力として与えられた応答を生成する以前の研究とは異なり、教育戦略を共同で予測し、それに応じてチューターの応答を生成することを提案します。これは、より現実的なアプリケーションシナリオに適合します。
3 つのダイアログ個別指導データセットでいくつかの競合モデルのベンチマークを行い、教育戦略の学習を導き、家庭教師の回答の生成を促進するために自己蒸留メカニズムが採用されている、教育の反応生成と教育戦略の予測を組み合わせた統一されたフレームワークを提案します。
私たちの実験と分析は、指導戦略が会話の個別指導にどのように影響するかを明らかにします。

要約(オリジナル)

Conversational tutoring systems (CTSs) aim to help students master educational material with natural language interaction in the form of a dialog. CTSs have become a key pillar in educational data mining research. A key challenge in CTSs is to engage the student in the conversation while exposing them to a diverse set of teaching strategies, akin to a human teacher, thereby, helping them learn in the process. Different from previous work that generates responses given the strategies as input, we propose to jointly predict teaching strategies and generate tutor responses accordingly, which fits a more realistic application scenario. We benchmark several competitive models on three dialog tutoring datasets and propose a unified framework that combines teaching response generation and pedagogical strategy prediction, where a self-distillation mechanism is adopted to guide the teaching strategy learning and facilitate tutor response generation. Our experiments and analyses shed light on how teaching strategies affect dialog tutoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google