Core Concepts
大規模言語モデル(LLMs)を統合して学習パフォーマンスを予測する方法の可能性を探る。
Abstract
大規模言語モデル(LLMs)を使用した学習パフォーマンスの予測方法に関する研究。
ITSsでの成人識字教育におけるGPT-4と従来の機械学習手法との比較。
データエンコード、LLMコンポーネント、デコードなどのフレームワークが詳細に解説されている。
XGBoostがGPT-4によって選択された場合、予測精度が向上することが示されている。
Introduction
成人識字教育は社会参加や雇用機会、終身学習に重要。
ITSsは個別化指導で重要。学習パフォーマンス予測は早期支援や個別指導へつながる。
Intelligent Tutoring Systems (ITSs)
ITSsは個別化指導や適応的指導を提供。
学習パフォーマンス予測は歴史的データ分析とモデリングに基づく。
Large Language Models (LLMs) in Education
LLMs(ChatGPTなど)はAI進化に貢献。
LLMsと機械学習モデルの協力で教育分野で高度な予測能力実証。
Stats
XGBoostはローカルマシンでGPT-4よりも優れた予測精度を示す。
GPT-4がXGBoostを選択し、チューニングすることで優れた結果を得られる。