Core Concepts
会話型インテリジェントチューターシステムにおいて、学生の認知的・非認知的特性を統合的に考慮したシミュレーションフレームワークを提案し、教師の適応的なスキャフォールディング戦略を明らかにする。
Abstract
本研究では、会話型インテリジェントチューターシステムのための学生シミュレーションフレームワークを提案している。
学生の認知的特性(言語能力)と非認知的特性(パーソナリティ特性)を統合的に考慮し、大規模言語モデルを用いてシミュレーションを行う。
認知的特性は、語彙、文構造、修飾語、名詞、動詞の5つの側面で定義し、非認知的特性は、ビッグファイブ理論に基づいて特性を定義した。
提案したシミュレーションフレームワークの有効性を検証するため、多角的な評価を行った。具体的には、生成された会話における学生のパーソナリティ特性の一貫性、言語能力の適切性、ビッグファイブ理論との整合性を評価した。
さらに、教師の適応的なスキャフォールディング戦略を分析し、学生の特性に応じて教師の支援が変化することを示した。
Stats
言語能力の高い学生は、教師からより多くの肯定的なフィードバック、指示、質問を受ける。
一方、言語能力の低い学生は、より多くのヒント、説明、モデリングを受ける。
開放性、誠実性、外向性が低い学生に対しては、教師がより多くのヒントを提供する。
神経症傾向の高い学生に対しては、教師が情動的サポートを多く提供する。
Quotes
"会話型インテリジェントチューターシステムにおいて、学生の認知的・非認知的特性を統合的に考慮したシミュレーションフレームワークを提案し、教師の適応的なスキャフォールディング戦略を明らかにする。"
"言語能力の高い学生は、教師からより多くの肯定的なフィードバック、指示、質問を受ける一方、言語能力の低い学生は、より多くのヒント、説明、モデリングを受ける。"
"開放性、誠実性、外向性が低い学生に対しては、教師がより多くのヒントを提供し、神経症傾向の高い学生に対しては、教師が情動的サポートを多く提供する。"