基于大型语言模型的学生认知模型研究:误解学生的分析
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了准确建模学生认知的问题,尤其是如何同时再现学生的误解与其正确知识。通过引入新颖的Python库MalAlgoPy,我们展示了大型语言模型(LLMs)在被调整后能够有效模拟学生在代数问题上的思维过程。此外,研究结果表明,通过合理调整训练数据中正确实例与误解实例的比例,能够开发出符合认知学生模型(CSMs)双重要求的模型,为自适应学习系统的有效性提供了新的视角。
本研究通过Python库MalAlgoPy,探讨了如何准确建模学生的认知,特别是再现误解与正确知识。研究发现,调整训练数据中正确与误解实例的比例,可以有效模拟学生的代数思维,为自适应学习系统提供新视角。