虽然迄今为止的聊天机器人正在帮助教师提高快速制定课程计划或给家长写电子邮件等任务的效率，但两位斯坦福大学的学者正在研究不仅仅是节省几分钟工作日的选项。

斯坦福大学教育研究生院教授DoraDemszky和计算机科学博士。学生RoseWang正在创建模型，为教师提供罕见的反馈和建议，帮助他们对学生的学习和课堂福祉产生最大的影响。

Demszky和​​Wang强调，他们设计的每一个工具都能让教师了解情况，而不会用人工智能模型取代它们。这是因为，即使NLP系统快速改进，他们相信教育中人际关系的重要性也永远不会改变。

“学习的一个基本方面是学生和老师之间的人际关系，学习的动机是由这种关系触发的。用机器人来建立这种关系是不可能的，”德姆斯基说。“我们永远不应该回避老师，而应该思考如何加强老师的工作。”

专家在环

构建课堂技术需要广泛的教育学背景知识和学生学习技巧，而这些知识只有经验丰富的教师才能获得。

因此，Demszky和​​Wang以相同的方法开始他们的每个NLP教育项目。他们总是从老师本身开始，让他们进行丰富的来回合作。他们首先采访教育工作者，了解哪些工具对他们最有帮助，然后不断跟进他们，在他们设计和测试他们的想法时征求反馈。“如果不咨询老师和他们的专业知识，我们就无法进行研究，”德姆斯基说。

有时，教师的反馈会将研究带向新的方向。对于发布在arXiv上的一个预印本项目，开发一种大型语言模型(LLM)以基于在线聊天的形式逐步辅导数学学生，学者们最初假设数学教师首先选择一种策略来帮助学生理解。

但在采访数学老师后，他们了解到，老师的第一步是尝试准确找出学生的误解来自何处。王说：“如果我们无法与能够分享自己数学教学经验的老师交谈，我们将永远无法真正了解这一细节。”“细节决定成败。”

当他们要求学生对法学硕士和教师的反馈进行评分时，数学教师的评分总是较高。然而，当他们在老师的帮助下重新提示法学硕士时(老师标记了学生错误的类型并提供了具体的使用策略)，法学硕士的回答得到了更高的评价。虽然法学硕士仍被认为不如教师有价值，但法学硕士的评价比外行导师更高。

Demszky表示：“这表明，将这些模型与一些专家输入结合使用有很大的希望，并且只需要最少的输入即可创建可扩展的高质量教学。”

在6月23日发布的另一篇预印本论文中，他们使用MITOpenCourseWareYouTube频道的在线课程学习了大学水平的数学。在这些项目中，他们根据分析讨论期间在线学生的评论，研究了法学硕士是否可以在讲座期间失去学生时向在线教师提供反馈。

在这里，他们创建了SIGHT，这是一个包含链接学生评论的讲座记录的大型数据集，并训练了一名法学硕士将评论分类为困惑、澄清和感激等类别。此外，他们正在开发和发布一个名为Backtracing的框架，该任务会提示法学硕士检索导致学生评论中最混乱的特定文本。

“我们正在努力激励这些在线讲座的创作者能够更有针对性地修改他们的内容，”王说。

认识你的新人工智能教练

Demszky和​​Wang一直在研究的另一个有前景的方向是NLP系统，它可以充当教师的助手，观察现场课程并提供改进建议。德姆斯基认为这个选项几乎就像一个“不带偏见的教练”，可以在教师对这个职业还陌生的时候调整其建议，然后即使这些教师变得更加经验丰富，也可以继续提供深入的建议。

今年6月，在ACL创新使用NLP构建教育应用程序研讨会上发表的一篇论文中，该团队测试了ChatGPT作为一种可能的辅导工具。他们发现该模型的建议中有82%是教师已经在做的想法，但该工具通过更具针对性的提示进行了改进。

在arXiv上发布的一篇新论文(将于12月在自然语言处理经验方法会议上发表)中，他们训练了一个“成长心态”语言模型。成长心态是指学生的技能可以随着时间的推移而增长，而不是固定不变的，研究表明这一概念可以提高学生的成绩。

当他们促使GPT-4将教师的评论重新构建为成长心态语言时，174名学生和1,006名学生认为该模型的重构在使用成长心态语言方面比教师好24%到85%(取决于任务)。

例如，一位老师在回答学生关于分数的问题时说：“请擦掉你所拥有的一切。一切。我希望你再看一遍，好吗?一切。一切。一切。”法学硕士推荐使用这种语言：“感谢您分享您的想法;您积极参与真是太好了!让我们擦掉分数并共同努力了解如何在数轴上找到分数。我们将把它弄清楚团队并持续改进。”

Demszky和​​Wang目前与德克萨斯大学奥斯汀分校的DavidYeager合作，后者每年为教师提供成长心态策略培训。他们的目标是开发一种法学硕士教师辅导工具，耶格尔和其他人可以很快将其部署为这些研讨会的一部分。

对未来的愿景

到目前为止，Demszky和​​Wang一直专注于构建和评估NLP系统，以一次帮助完成一个教学方面。但两人设想的未来是，许多NLP工具在一个集成平台上一起使用，避免太多工具同时轰炸教师的“技术疲劳”。

但德姆斯基和王担心这种未来可能会加剧学校的不平等。德姆斯基说：“至少我目前看到的是，富人变得更富。”她担心，处于特权环境中的儿童可能会同时获得高质量的教学和人工智能教学支持，而服务匮乏环境中的儿童最终可能会在没有高质量教学的情况下获得人工智能。

Wang补充说，对于人工智能研究人员来说，确保他们的重点始终优先考虑最有可能支持教师和学生的工具也同样重要。

“这不是思考我们如何提高教育技术的上限，而是我们如何利用这些工具提高教育的底线?”王说。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：