跳转至

通过大模型引导的强化学习实现高效个性化AI导师

文章背景与核心概要

本文探讨了如何将生成式AI（GenAI）从被动的聊天机器人升级为能够主动引导学生学习的智能导师。研究指出，现有的教育类AI多局限于对学生问题的被动响应，而未能充分利用交互数据进行深度教学干预。

为此，研究团队设计了一个新型辅导平台，将精心设计的GenAI聊天机器人与强化学习（RL）算法深度集成。该算法通过分析学生与机器人交互过程中的丰富信号，能够自适应地为学生推送难度适宜的练习题。

在与台北市政府及美国在台协会合作开展的大规模实地实验中，研究团队在十所高中进行了为期五个月的Python课程测试。结果显示，采用自适应序列算法的学生在最终独立考试中的表现提升了0.15个标准差（相当于6至9个月的学业进步），中介分析表明，这种提升主要归功于学生参与度的显著增强。该研究为利用人机交互信号优化个性化学习路径提供了强有力的实证支持。

出版详情

作者

  • Angel Tsai-Hsuan Chung
  • Botong Zhang
  • Ling-Chieh Kung
  • Hamsa Bastani
  • Osbert Bastani
  • Angel Tsai-Hsuan Chung
  • Botong Zhang
  • Ling-Chieh Kung
  • Hamsa Bastani
  • Osbert Bastani

摘要

生成式AI（GenAI）正在通过释放个性化辅导的潜力迅速重塑教育领域。然而，目前新兴的平台大多专注于被动回答学生问题的GenAI聊天机器人。我们假设，通过主动引导学生的学习过程，GenAI聊天机器人的教学效能可以得到大幅提升。

为了验证这一假设，我们设计了一个新颖的辅导平台，将精心设计的GenAI聊天机器人与用于练习题排序的强化学习算法紧密集成。关键在于，该算法利用学生与聊天机器人交互过程中产生的丰富信号，自适应地选择难度适宜的练习题。

在与台北市政府及美国在台协会的合作下，我们将该辅导平台部署在十所高中的五个月Python课程中。我们将学生随机分配到固定练习序列组和我们的自适应序列算法组。研究发现，自适应序列使学生在最终独立考试中的表现提高了0.15个标准差（据估计相当于6-9个月的学业进步）；中介分析表明，这些收益是由学生参与度的提高所驱动的。我们的工作提供了大规模的实地证据，证明学生与聊天机器人的交互为主动优化和个性化学生学习提供了宝贵的信号。

Generative AI (GenAI) is rapidly reshaping education by unlocking the potential for personalized tutoring. Yet, emerging platforms largely focus on GenAI chatbot tutors that reactively answer student questions. We hypothesize that the efficacy of GenAI chatbot tutors can be substantially improved by proactively guiding student learning.

To test this, we design a novel tutoring platform that tightly integrates a carefully-designed GenAI chatbot with a reinforcement learning algorithm for sequencing practice problems. Critically, this algorithm leverages rich signals from student-chatbot interactions to adaptively select practice problems of an appropriate difficulty level.

In partnership with the Taipei City Government and American Institute in Taiwan, we deployed our tutoring platform in conjunction with a five-month course to teach Python to students across ten high schools. We randomized students between a fixed practice problem sequence and our adaptive sequencing algorithm. We find that adaptive sequencing increased unassisted final exam performance by 0.15 standard deviations (equivalent to 6-9 months of schooling by some estimates); mediation analysis suggests that gains were driven by increased engagement. Our work provides large-scale field evidence that student-chatbot interactions provide valuable signals for proactively optimizing and personalizing student learning.

获取资源