Student and Teacher Meet in a Shared Virtual Reality: A one-on-one Tutoring System for Anatomy Education
我们介绍了一个虚拟现实(VR)一对一的教学系统,以支持解剖学教育。一名学生使用完全沉浸式的VR耳机来探索人类头骨底部的解剖结构。教师通过使用半沉浸式zSpace指导学生。两个系统通过网络连接,每个动作在两个系统之间同步。教师提供了各种功能,以指导学生通过沉浸式学习体验。她可以影响学生的导航或在飞行中提供注释,从而改善学生的学习体验。该系统使用\textit{Unity}游戏引擎实现。定性的用户研究表明,一对一的辅导方法是可行的,并为未来的研究在该地区的共享虚拟环境解剖学教育奠定了坚实的基础。
2020-11-16 cs.HC
Hints vs Distractions in Intelligent Tutoring Systems: Looking for the proper type of help
学生在任务中得到的帮助在他们的学习过程中起着重要的作用。我们设计了一个与机器人导师的互动场景,在现实生活中的设置基于探究式学习任务。我们的目的是探讨学习者的表现是如何影响的机器人导师的各种策略。我们探索了两种(可能的)帮助:提示(特定于该级别或一般任务)或分心(与任务无关的信息:一个笑话或一个奇怪的事实)。我们的研究结果表明,为学习者提供提示,用好奇的事实分散他们的注意力比用幽默分散他们的注意力更有效。
2018-05-29 cs.HC
Visualizing Intelligent Tutor Interactions for Responsive Pedagogy
针对教师难以利用智能辅导数据支持响应式教学的问题,本文通过设计研究构建可视化分析系统VisTA,帮助教师解读交互数据并制定后续教学行动。
2024-04-19 cs.HC
HTN-Based Tutors: A New Intelligent Tutoring Framework Based on Hierarchical Task Networks
Georgia Institute of Technology(佐治亚理工学院);Drexel University(德雷塞尔大学)
针对现有智能导学框架知识粒度不足的问题,提出基于层次任务网络的HTN导师框架,支持灵活策略编码与层次化知识组织,可调整脚手架粒度,契合技能组成性。
2024-05-24 cs.AI cs.HC
Evaluating AI Tutoring at the Speed of Innovation: Practitioner-Led Micro-Randomised Trials of an AI Tutoring Platform in GCSE Science
What Worked Education;Durham University(杜伦大学)
针对教育AI评估滞后于技术发展的问题,本文通过教师主导的微随机试验评估AI辅导平台Medly,结果显示其提升GCSE成绩,提出快速累积评估架构。
2026-09-15 cs.HC
When LLM Tutoring Responses Work: Evidence from Student Programming Conversations
University of Delaware(特拉华大学)
研究学生在编程教育中使用大语言模型辅导时,哪种回复助于高效学习。通过分析StudyChat数据集,用大语言模型辅助标注并经人工验证,发现回复风格与延续情况相关,支持情境感知的人工智能辅导回复评估和设计。
2026-07-14 cs.HC
Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System
Saarland University(萨尔兰大学)
本研究通过在数学智能辅导系统中添加关于AI可能出错的简单透明度干预,发现警告学生AI可能犯错显著增加了他们请求提示的次数,但未显著影响即时表现。
2026-06-02 cs.HC
Analyzing Design Process and Experiments on the AnITA Generic Tutoring System
在辅导系统领域中,研究表明,存在许多特定于特定领域的辅导系统,由于它们的静态架构,这些辅导系统不能适应于其他领域。因此,通常方法和知识都不能重用。此外,知识工程师必须具有编程技能,以增强和评估系统。一个特别的挑战是解决这些问题的通用辅导系统的发展。AnITA作为一个独立的应用程序,已经开发和实施,特别是为此目的。然而,在测试阶段,我们发现这种架构并不完全符合用户对学习工具使用的直观理解。因此,AnITA被重新设计为专门作为客户端/服务器应用程序工作,并重命名为AnITA 2。本文讨论了演变的AnITA辅导系统,其目标是使用通用的原则,在任何领域的系统重用。进行了两个实验,本文的结果。
2018-06-12 cs.CY cs.HC
Safe Generative Chats in a WhatsApp Intelligent Tutoring System
本文设计并评估集成于ITS的WhatsApp LLM对话系统,基于8,000余次学生对话发现GPT-3.5较少产生不当内容,而学生不当输入更常见,进而提出内容审核与课堂管理层面的安全保障启示。
2024-07-06 cs.HC
Contextualizing Problems to Student Interests at Scale in Intelligent Tutoring System Using Large Language Models
本文探索用 GPT-4 和迭代提示工程在智能辅导系统 CTAT 中大规模生成贴合学生兴趣的数学题情境,同时保持题目难度与意图。
2023-05-31 cs.HC
LLM Pedagogical Behavior in AI Tutoring Interactions
KAIST(韩国科学技术院)
本研究开发五级支架水平量表,分析大学AI课程中203名学生的14637个LLM辅导响应,发现超95%为高水平帮助,支架水平与学生对话行为相关但对考试表现预测性有限,为LLM辅导提供实证基线与测量框架。
2026-08-25 cs.CL cs.HC
Do intelligent tutoring systems benefit K-12 students? A meta-analysis and evaluation of heterogeneity of treatment effects in the U.S
University of Florida(佛罗里达大学);University of Tennessee Knoxville(田纳西大学诺克斯维尔分校);Harvard University(哈佛大学);University of Michigan, Ann Arbor(密歇根大学安娜堡分校);Florida State University(佛罗里达州立大学)
本文通过元分析评估智能导学系统对美国K-12学生学习成果的影响,发现其整体效应显著为正,并识别出已解例题、干预时长等关键调节变量,为优化ITS应用条件提供依据。
2025-11-07 cs.HC
Beyond Final Answers: Evaluating Large Language Models for Math Tutoring
Drexel University(德雷塞尔大学);Georgia Institute of Technology(佐治亚理工学院);Politecnico di Torino(都灵理工大学)
本研究提出两种评估大语言模型数学辅导能力的新方法,测试多款ChatGPT模型后发现其解题正确率较高但作为互动辅导者时完全正确率不足,指出其暂不能在无监督下用作数学智能导师。
2025-02-23 cs.AI cs.HC
AI Knows Best? The Paradox of Expertise, AI-Reliance, and Performance in Educational Tutoring Decision-Making Tasks
Carnegie Mellon University(卡内基梅隆大学);The University of Hong Kong(香港大学)
研究探讨AI辅助决策中专家性与AI依赖的矛盾,发现非专家更依赖AI建议而提升准确性,而专家则常忽视AI建议,导致表现差异。
2026-01-03 cs.HC
Pensieve Discuss: Scalable Small-Group CS Tutoring System with AI
Pensieve Inc.(彭西夫公司);UC Berkeley(加州大学伯克利分校)
本文提出 Pensieve Discuss 平台,结合同步编辑与在线人类和 AI 导师,解决 CS 小组辅导的规模化协作挑战,在 800 名学生中部署后提升了协作率、满意度及问题量,表明小组辅导是教育 AI 的重要研究方向。
2024-07-24 cs.AI cs.CY cs.HC
EvalConvoLearn: An Open-Source Framework for Evaluating Grounded Learner Simulations in Tutoring Conversations
EvalConvoLearn是评估辅导对话中学习者模拟的开源框架,从学习行为与对话质量两个维度开展评估,验证了其在辅导对话数据集上的有效性并公开了代码。
2026-08-11 cs.CL cs.HC
Micro-level AI Feedback Features and Student Responses in Consecutive LLM Tutoring Interactions
University of Delaware(特拉华大学)
研究自然辅导场景下连续用户与AI交互中反馈特征与学生反应的关系,聚焦具体阐述、情感语言和回复长度三个微观特征,通过数据分析发现具体阐述有助于学生理解,凸显跨交互检查反馈的价值。
2026-07-13 cs.HC
Student Engagement with GenAI's Tutoring Feedback: A Mixed Methods Study
University of Siegen(锡根大学)
针对学生参与编程辅导反馈研究有限的问题,该研究开发含AI生成多类型反馈的学习环境,结合出声思考与眼动追踪方法分析20名本科生的反馈参与情况,揭示学生想法主题及反馈与行动的关联,为辅导反馈设计提供启示。
2025-09-26 cs.CY cs.HC
A Causal Framework for Estimating Heterogeneous Effects of On-Demand Tutoring
Cornell University(康奈尔大学);Carnegie Mellon University(卡内基梅隆大学);Eedi Labs(Eedi实验室);Massachusetts Institute of Technology(麻省理工学院)
提出一个可扩展的因果推断框架,结合深度知识追踪和因果森林,估计自适应学习系统中按需人工辅导的即时效果,发现辅导能提升后续题目正确率约4个百分点,且效果存在显著异质性。
2026-05-28 cs.HC stat.AP
Toward Automated Qualitative Analysis: Leveraging Large Language Models for Tutoring Dialogue Evaluation
Carnegie Mellon University(卡内基梅隆大学);The University of Hong Kong(香港大学);Monash University(墨尔本大学)
本研究利用GPT-3.5少样本提示构建自动化系统,评估五种辅导策略,结果显示模型能有效排除错误分类但识别正确策略能力有限,其中“帮助学生管理不平等”表现最佳。
2025-04-03 cs.CL cs.HC
Personalized Cognitive Tutoring using Davinci-003 API for Adaptive Question Generation and Assessment
本文提出基于 Davinci-003 API 的认知辅导系统,通过自适应生成和评估个性化问题以促进知识迁移,原型验证表明其比现有AI辅导工具提供更全面的学习支持。
2023-04-05 cs.HC
Combining Large Language Models with Tutoring System Intelligence: A Case Study in Caregiver Homework Support
Carnegie Mellon University(卡内基梅隆大学);Wellesley College(韦尔斯利学院)
本研究结合大型语言模型与辅导系统智能,开发对话式支持系统,为照护者提供家庭作业教学建议,经中学照护者评估,有效促进内容支持和学生元认知。
2024-12-16 cs.AI cs.CY cs.HC
Leveraging Large Language Model and Story-Based Gamification in Intelligent Tutoring System to Scaffold Introductory Programming Courses: A Design-Based Research Study
University of Sheffield(谢菲尔德大学)
编程技能正在迅速成为许多教育途径和职业机会的必要条件。然而,对于许多国际学生来说,由于语言的复杂性,缺乏先前的编程知识以及语言和文化障碍,传统的入门编程课程教学方法可能是一个重大挑战。本研究探讨了大语言模型和游戏化如何帮助中国学生在入门编程课程中学习编程并增加归属感。在这个项目中,开发了一个游戏化智能辅导系统,以适应中国国际学生的学习需求,并提供脚手架,以支持他们在入门计算机编程课程的成功。
2023-02-25 cs.AI cs.HC
Facial-Expression-Aware Prompting for Empathetic LLM Tutoring
Neurosciences Graduate Program, University of California San Diego(加州大学圣地亚哥分校神经科学研究生项目);Department of Cognitive Science, University of California San Diego(加州大学圣地亚哥分校认知科学系);Department of Computer Science and Engineering, University of California San Diego(加州大学圣地亚哥分校计算机科学与工程系);Department of Electrical and Computer Engineering, University of California San Diego(加州大学圣地亚哥分校电气与计算机工程系);Department of Mathematics, University of California San Diego(加州大学圣地亚哥分校数学系);Face the FACS;Halıcıoğlu Data Science Institute, University of California San Diego(Halıcıoğlu数据科学研究所)
本文研究了在LLM辅导中整合面部表情信号以提升共情响应的效果,通过四种不同方法对比发现,基于动作单元的条件化能提升对面部表情的共情响应,而引导峰值帧选择优于随机帧输入。
2026-07-30 cs.AI cs.HC
Teaching According to Students' Aptitude: Personalized Mathematics Tutoring via Persona-, Memory-, and Forgetting-Aware LLMs
针对现有大语言模型辅导系统难以捕捉学生知识动态演化的问题,提出融合角色、记忆与遗忘机制的TASA个性化数学辅导框架,实验证明其学习效果与辅导适应性优于基线方法。
2025-11-19 cs.AI cs.CL cs.HC
Curiosity as Linguistic Intervention: Using LLM Tutoring Dialogues to Influence Exploratory Learning Behavior
School of Computing and Information Systems, Singapore Management University(新加坡管理大学计算与信息系统学院);Human-Computer Interaction Institute, Carnegie Mellon University(卡内基梅隆大学人机交互研究所)
提出CURIOBOT框架,通过LLM对话中的语言干预(新奇性、复杂性、冲突、不确定性)激发探索性学习行为,实验显示对话轮次增加2.4倍。
2026-06-23 cs.CL cs.HC
Beyond Answers: Large Language Model-Powered Tutoring System in Physics Education for Deep Learning and Precise Understanding
本文提出 LLM 驱动的 Physics-STAR 个性化物理辅导框架,并通过12名高二学生对照实验证明其能提升多类题型成绩与学习效率。
2024-06-16 cs.HC physics.ed-ph
Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice
Carnegie Mellon University(卡内基梅隆大学);Vanderbilt University(范德堡大学)
研究通过平衡被试内设计,发现低基线自我效能感的学生无论练习形式如何都获得更大学习收益,且对辅导系统的偏好与学习收益正相关,但纸质练习模式不同;基于智能辅导系统的练习并未显著提升自我效能感。
2026-06-17 cs.CY cs.HC
AI-Driven Interface Design for Intelligent Tutoring System Improves Student Engagement
智能辅导系统(ITS)已被证明可以通过提供满足每个学生个人需求的个性化课程来提高学生的学习成果。然而,尽管ITS为学生的学习过程带来了有效性和效率,但大多数ITS研究都没有努力设计ITS界面,以更好地利用AI功能来提高学生的学习兴趣,动机和参与度。在本文中,我们探讨了人工智能驱动的界面设计的ITS描述诊断反馈的学生的问题解决过程,并调查其对他们的参与的影响。我们提出了几个由不同的AI组件驱动的界面设计,并通过一个活跃的移动ITS圣诞老人来实证评估它们对学生参与度的影响。对超过2万名学生进行的受控A/B测试表明,人工智能驱动的界面设计将参与度提高了25.13%。
2020-09-18 cs.CY cs.HC
SocialCoach: Personalized Social Skill Learning with Agentic Tutoring and Practice
HKUST (GZ)(香港科技大学(广州));Duke University(杜克大学);MSRA Beijing(微软研究院北京);Microsoft Beijing(微软北京)
提出SocialCoach系统,利用多智能体管道构建知识语料库、强化学习优化自适应练习调度,并结合沉浸式实践与反思辅导,以解决社交技能学习中专家辅导稀缺和知行差距问题。
2026-08-18 cs.CL cs.CY cs.HC
Detecting Student Intent for Chat-Based Intelligent Tutoring Systems
针对聊天式智能辅导系统中开放式对话学生意图检测难的问题,设计了区分继续/切换课程意图的检测系统,对比四类机器学习方法的效用,指出其在成本、准确率、预测时间上的权衡,可减少学生挫败感、助力学习。
2025-02-20 cs.CY cs.HC
Interactive, Intelligent Tutoring for Auxiliary Constructions in Geometry Proofs
University of California, Davis(加州大学戴维斯分校)
几何定理证明在K-12数学课程中是一个主要的和具有挑战性的组成部分。一个特别困难的任务是添加辅助结构(即,额外的线或点),以帮助证明发现。虽然有许多智能教学系统提出的几何证明,很少教学生如何找到辅助结构。少数例外都受到其支持辅助构式的潜在推理过程的限制。本文通过引入一个交互式几何导师,高级几何证明导师(AGPT)来解决这些缺点。它利用了最近的自动几何证明器,以提供任何几何定理证明器或智能辅导系统无法单独完成的综合效益。特别是,AGPT不仅可以直接自动处理几何问题的图像,而且可以交互式地训练和引导学生自己发现辅助结构。我们已经通过一项试点研究与78名高中生评估AGPT。研究结果表明,在训练学生如何找到辅助结构,AGPT和人类导师之间没有显着的感知差异,AGPT是显着更有效的比国家的最先进的几何求解器,产生人类可读的证明。
2017-11-20 cs.AI cs.CY cs.HC
Towards Breaking the Learning System Wall Using Multimodal Tutoring Transcriptions
Carnegie Mellon University(卡内基梅隆大学);Renaissance Philanthropy(文艺复兴慈善机构);Vanderbilt University(范德堡大学)
本研究提出AI驱动的多模态转录系统,将屏幕录制视频转为剧本式转录,并计划与MATHia日志对齐,以突破学习系统壁垒,实现跨平台学习建模。
2026-09-30 cs.AI cs.HC
The Power of Nudging: Exploring Three Interventions for Metacognitive Skills Instruction across Intelligent Tutoring Systems
North Carolina State University(北卡罗来纳州立大学)
演绎域是许多认知技能的典型,因为没有一个单一的问题解决策略总是最佳的解决所有问题。结果表明,知道如何以及何时使用每种策略(StrTime)的学生的表现优于那些既不知道又坚持默认策略(Default)的学生。在这项工作中,学生们接受了支持默认前向链和后向链(BC)策略的逻辑导师的培训,然后是只支持BC的概率导师。我们调查了三种类型的干预教学默认学生如何以及何时使用哪种策略的逻辑导师:例子,轻推和介绍。与此同时,StrTime的学生没有接受任何干预。总的来说,我们的结果表明,Nudge在两个导师上的表现都优于他们的Default同行,并赶上了StrTime。
2023-03-18 cs.AI cs.HC cs.LG
Evaluating a Data-Driven Redesign Process for Intelligent Tutoring Systems
Carnegie Mellon University(卡内基梅隆大学);Texas A&M University(德克萨斯农工大学);Wellesley College(韦尔斯利学院)
本研究测试了数据驱动重设计方法在非预期改进的中学数学教学单元中的有效性,发现重设计系统在任务时间、技能练习和知识掌握方面表现更优。
2026-03-31 cs.AI cs.HC
Improving Assessment of Tutoring Practices using Retrieval-Augmented Generation
Carnegie Mellon University(卡内基梅隆大学)
本文研究如何自动评估辅导教师的社会情感辅导策略能力,比较GPT-3.5/GPT-4的四种提示方法,发现基于RAG的提示在准确性、幻觉控制和成本上表现最佳。
2024-02-04 cs.AI cs.CL cs.CY
Hierarchical Multi-Armed Bandits for the Concurrent Intelligent Tutoring of Concepts and Problems of Varying Difficulty Levels
Columbia University(哥伦比亚大学);Aiphabet, Inc.(Aiphabet公司)
针对现有开源MAB智能辅导器匮乏的问题,提出一种开源易部署的分层MAB算法,可并行推进概念与题目学习、适配难度并评估记忆衰退,模拟实验验证其能有效提升学生成绩。
2024-08-10 cs.AI cs.CY cs.HC
SakugaFlow: A Stagewise Illustration Framework Emulating the Human Drawing Process and Providing Interactive Tutoring for Novice Drawing Skills
Sony Computer Science Laboratories, Inc.(索尼计算机科学实验室, 有限公司);The University of Tokyo(东京大学)
针对 AI 绘画工具缺乏过程教学的问题,本文提出四阶段框架 SakugaFlow,结合扩散图像生成与 LLM 辅导,为新手提供实时反馈、非线性修改与版本分支,实现创作探索与技能学习。
2025-06-10 cs.CV cs.HC
Rubikon: Intelligent Tutoring for Rubik's Cube Learning Through AR-enabled Physical Task Reconfiguration
本文提出智能辅导系统Rubikon,利用AR实体魔方自动生成针对薄弱环节的练习配置;实验显示其学习者后测成绩较基线高25%。
2025-05-15 cs.ET cs.HC
Multi-Stakeholder Alignment in LLM-Powered Collaborative AI Systems: A Multi-Agent Framework for Intelligent Tutoring
Universidade Federal do Rio de Janeiro, NCE(里约热内卢联邦大学,计算中心)
针对LLM驱动的智能辅导系统中多利益相关方价值观冲突问题,提出咨询治理层(AGL)多智能体框架,通过政策分类与冲突解决协议实现隐私保护下的分布式治理,提供可审计建议而不干扰核心教学决策。
2025-10-27 cs.HC cs.MA
Toward Personalized XAI: A Case Study in Intelligent Tutoring Systems
The University of British Columbia(不列颠哥伦比亚大学);Augsburg University(奥格斯堡大学)
我们的研究是朝着确定XAI中个性化需求迈出的一步,我们这样做是在调查AI驱动的提示和反馈的解释价值的背景下进行的,这些提示和反馈在智能教学系统(ITS)中是有用的。我们为自适应CSP(ACSP)小程序提供的自适应提示添加了解释功能,ACSP是一种交互式模拟,通过提供适应学生预测学习水平的AI驱动提示,帮助学生学习约束满足问题的算法。我们提出的解释功能的设计和控制研究的结果,以评估其对学生的学习和感知的ACPS提示。该研究分析了这些结果如何受到几个用户特征(如人格特质和认知能力)的影响,以评估是否应根据这些特征进行个性化解释。我们的研究结果表明,提供解释增加了学生的信任ACPS提示,感知有用的提示,并打算再次使用它们。此外,我们表明,学生的访问的解释和学习收益调制的用户特征,提供见解设计个性化的可解释的人工智能(XAI)的ITS。
2020-08-12 cs.AI cs.HC
Personality-aware Student Simulation for Conversational Intelligent Tutoring Systems
Nanyang Technological University, Singapore(南洋理工大学,新加坡);Institute for Infocomm Research (I 2 R), A*STAR, Singapore(信息与通信研究机构(I2R),A*STAR,新加坡)
本文提出一个整合认知与非认知特征的框架,利用LLMs在语言学习场景中进行个性化感知的学生模拟,实验证明其能生成多样化学生反应并触发教师自适应策略。
2025-05-28 cs.CL cs.HC
PIVOT: Preference-based Intervention Vectors for Pedagogical Tutor Steering
EPFL(洛桑联邦理工学院)
研究针对LLM对话辅导缺乏教学策略推理时控制的问题,提出PIVOT框架,通过偏好干预向量实现导师动作控制,在用户研究中获多数教师认可。
2026-08-11 cs.AI cs.HC
Empowering Private Tutoring by Chaining Large Language Models
Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Department of Electronic Engineering, Tsinghua University(清华大学电子工程系);Pengcheng Laboratory(鹏城实验室);CollegeAI, Tsinghua University(清华大学CollegeAI);Department of Computer Science and Technology, Tsinghua University(清华大学计算机科学与技术系)
本文提出由LLM工具链与动态记忆构成的智能私教系统,通过交互、反思、反应三过程实现课程规划、个性化教学与测验评估,并经日志、用户反馈和消融实验验证其长期有效性。
2024-08-04 cs.AI cs.CL cs.HC
Improving prediction of students' performance in intelligent tutoring systems using attribute selection and ensembles of different multimodal data sources
Pontifical Catholic University of Ecuador(厄瓜多尔天主教大学);University of Oviedo(奥维耶多大学);University of Central Florida(中佛罗里达大学);University of Córdoba(科尔多瓦大学)
本研究利用智能辅导系统的多模态数据,通过属性选择与集成方法改进大学生成绩预测,实验表明数值数据下集成与最优属性选择效果最佳。
2024-02-10 cs.AI cs.CY cs.HC
Ruffle&Riley: Towards the Automated Induction of Conversational Tutoring Systems
Carnegie Mellon University(卡内基梅隆大学);Ariel University(阿里埃勒大学)
本文提出Ruffle&Riley,一种利用大语言模型自动生成辅导脚本并通过双智能体模拟师生对话的对话式辅导系统,实验显示其在学习体验上优于简单问答机器人。
2023-11-14 cs.AI cs.CL cs.HC
ConvoLearn: A Learning Sciences Grounded Dataset for Fine-Tuning Dialogic AI Tutors
Stanford University(斯坦福大学)
ConvoLearn通过六个对话教学维度构建了2134个半合成对话数据集,展示了基于知识建构理论的对话教学信号,证明了其在真实课堂中的有效性。
2026-04-09 cs.AI cs.HC cs.LG
Leveraging Deep Reinforcement Learning for Metacognitive Interventions across Intelligent Tutoring Systems
North Carolina State University(北卡罗来纳州立大学)
本文通过两项课堂实验比较静态分类干预与DRL自适应元认知干预,发现DRL能缩小学生元认知差距,并促进其在后续无干预辅导系统中的迁移学习。
2023-04-17 cs.AI cs.CY cs.HC
An Integrated Platform for Studying Learning with Intelligent Tutoring Systems: CTAT+TutorShop
Carnegie Mellon University(卡内基梅隆大学);Austral University of Chile(智利 Austral 大学);Saarland University(萨尔大学)
针对智能辅导系统(ITS)的学习研究需求,CTAT+TutorShop提供全栈集成平台,支持ITS完整研究周期与快速开发,已用于147项多场景研究,助力探索学生学习机制、系统优化及学习科学原则。
2025-01-17 cs.AI cs.CY cs.HC
Learning to Prompt: Improving Student Engagement with Adaptive LLM-based High-School Tutoring
Leiden University(莱顿大学);FutureWhiz
提出一种基于14个教学特征的主题感知提示路由模型,通过模拟训练和在线A/B测试,在高中辅导中实现自适应策略切换,提高教学效率并减少交互轮次。
2026-08-27 cs.AI cs.CL cs.HC