CrowdMath：協作式數學研究討論資料集
arXiv - Artificial IntelligenceSherin Muckatira, Jesse Geneson, Slava Gerovitch, Pavel Etingof, Mikhail Gronas, Anna Rumshisky
建立協作式數學討論資料集，評估模型在預測下一帖與角色分類的表現，揭示協作推理的挑戰。
AI 幫你先抓重點
AI 重點 1
模型在預測下一帖上表現優異，但在辨識貼文功能角色時表現低迷，顯示 LLM 仍缺乏對協作推理深度的理解。
滑鼠懸停看 AI 判斷理由
此差距說明目前的語言模型能把握對話流向，但無法辨識每位參與者的實質貢獻，對於協作學習分析與即時回饋至關重要。
AI 重點 2
CrowdMath 捕捉真實的協作問題解決過程，為研究知識建構與元認知提供豐富素材。
滑鼠懸停看 AI 判斷理由
透過真實研究討論的資料，研究者可開發支援協作推理的工具，進一步提升教育介入的有效性與可持續性。
核心研究發現
- 1
資料集包含 164 條 2016-2025 年 MIT PRIMES AoPS CrowdMath 討論進度鏈，從開放問題到完整證明。
- 2
每則貼文被標註功能角色：部分進展、證明完成、錯誤推理與錯誤辨識。
- 3
六種前沿模型在下一帖預測上達 83-88% 的準確率，但在貼文角色分類上最高宏觀 F1 只有 0.42。
對教育工作者的啟發
此資料集可用於訓練自動化角色辨識模型，進而在協作平台上即時提示學生何處缺失或錯誤，促進即時修正與知識建構。教師亦可利用角色分佈分析，調整引導策略，提升學生在數學研究式學習中的元認知與協作效能。
原始文獻資訊
- 英文標題：
- CrowdMath: A Dataset of Crowdsourced Mathematical Research Discussions
- 作者：
- Sherin Muckatira, Jesse Geneson, Slava Gerovitch, Pavel Etingof, Mikhail Gronas, Anna Rumshisky
- 來源：
- arXiv - Artificial Intelligence
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。