Core Concepts
大規模言語モデルを用いて、学習者の行動を観察し、目標課題における学習者の行動を合成することができる。
Abstract
本研究では、大規模言語モデル(LLM)を用いて、学習者の行動をモデル化し、目標課題における学習者の行動を合成する新しい枠組みLLM-SSを提案した。LLM-SSは、学習者の行動コンテキストを入力として受け取り、LLMの学習能力を活用して、目標課題における学習者の行動を合成する。
具体的には、まず、学習者の参照課題における解答を観察し、学習者の行動特徴を捉える。次に、LLMをドメイン知識の観点から微調整することで、LLMの専門性を高める。最後に、目標課題に対する学習者の行動を合成する。
実験評価では、視覚的プログラミングの分野におけるベンチマークデータセットを用いて、提案手法の有効性を示した。提案手法は、既存の手法と比較して優れた性能を示し、人間の指導者の水準に近づくことができた。
Stats
学習者の参照課題における解答は、目標課題の解答と比較して、方向転換の命令が異なっている。
提案手法のGPT-3.5ft-SSは、参照課題の学習者の行動特徴を捉えつつ、目標課題の特性も反映した解答を合成できている。
Quotes
"大規模言語モデルを用いて、学習者の行動をモデル化し、目標課題における学習者の行動を合成することができる。"
"提案手法のGPT-3.5ft-SSは、参照課題の学習者の行動特徴を捉えつつ、目標課題の特性も反映した解答を合成できている。"