ChatPRCS: A Personalized Support System for English Reading Comprehension based on ChatGPT

要約

英語学習の一般的なアプローチとして、読解には主に記事を読んで関連する質問に答えることが含まれます。
ただし、効果的な演習を設計するのは複雑であるため、生徒は標準化された質問に遭遇することになり、個別の学習者の読解能力に合わせることが困難になります。
この論文では、ChatGPT に代表される大規模言語モデルが提供する高度な機能を活用することにより、近接発達ゾーン理論に基づいた、ChatPRCS と呼ばれる新しいパーソナライズされた読解支援システムを紹介します。
ChatPRCSでは、読解力予測、問題生成、自動評価などの手法を採用し、読解指導を強化しています。
まず、適切な難易度の問題を生成するための基礎として過去のデータを使用して学習者の読解能力を予測できる新しいアルゴリズムを開発します。
第 2 に、読解目標の 2 つの重要な側面、つまり質問の生成と自動評価に対処するために、一連の新しい ChatGPT プロンプト パターンが提案されています。
これらのパターンにより、生成される質問の品質がさらに向上します。
最後に、個人化された能力と読解プロンプト パターンを統合することにより、ChatPRCS は実験を通じて体系的に検証されます。
経験的な結果は、統計レベルで専門家が作成した問題とほぼ一致する質の高い読解問題を学習者に提供することを示しています。

要約(オリジナル)

As a common approach to learning English, reading comprehension primarily entails reading articles and answering related questions. However, the complexity of designing effective exercises results in students encountering standardized questions, making it challenging to align with individualized learners’ reading comprehension ability. By leveraging the advanced capabilities offered by large language models, exemplified by ChatGPT, this paper presents a novel personalized support system for reading comprehension, referred to as ChatPRCS, based on the Zone of Proximal Development theory. ChatPRCS employs methods including reading comprehension proficiency prediction, question generation, and automatic evaluation, among others, to enhance reading comprehension instruction. First, we develop a new algorithm that can predict learners’ reading comprehension abilities using their historical data as the foundation for generating questions at an appropriate level of difficulty. Second, a series of new ChatGPT prompt patterns is proposed to address two key aspects of reading comprehension objectives: question generation, and automated evaluation. These patterns further improve the quality of generated questions. Finally, by integrating personalized ability and reading comprehension prompt patterns, ChatPRCS is systematically validated through experiments. Empirical results demonstrate that it provides learners with high-quality reading comprehension questions that are broadly aligned with expert-crafted questions at a statistical level.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google