利用 AI 輔助文本轉模型方法開發程序性技能模型
arXiv - Human-Computer InteractionRahul K. Dass, Shubham Puri, Arpit Khandelwal, Xiao Jin, Ashok K. Goel
提出一種利用大型語言模型將教學材料自動轉化為結構化 TMK 模型的新方法，大幅提升 AI 導師系統的開發效率。
AI 幫你先抓重點
AI 重點 1
解決了 AI 輔助教學中「知識表示」的規模化瓶頸。
滑鼠懸停看 AI 判斷理由
過去建立結構化教學模型極度耗費人力，導致 AI 導師難以大規模應用。此研究證明了透過受約束的提示工程（Constrained Prompting），可以將專家知識快速轉化為機器可理解的結構，讓大規模部署 AI 教學系統變得可行。
AI 重點 2
強調「專家監督」與「自動化生成」的協作模式。
滑鼠懸停看 AI 判斷理由
研究並非完全取代人類，而是透過模板與本體論約束來輔助人類。這種「人在迴圈中」（Human-in-the-loop）的設計，確保了教學內容的專業準確性，同時兼顧了生成效率，是未來開發高品質教育 AI 的關鍵路徑。
核心研究發現
- 1
透過本研究提出的 TTM 方法，專家在建立結構化模型時的時間減少了 50% 至 70%。
- 2
該方法成功為研究生級別的 AI 課程生成了 23 個 TMK 模型，實現了 Ivy AI 教練系統的全課程覆蓋。
- 3
實驗結果證實，AI 輔助生成的模型在結構有效性、語義對齊度與可重複性方面均表現優異。
對教育工作者的啟發
課程設計者在開發 AI 輔助學習工具時，不應僅依賴生成式 AI 的對話能力，而應著重於「結構化知識」的建立。建議採用「任務-方法-知識」（TMK）框架，並利用 LLM 輔助將現有的教學文本（如講義、教材）轉化為結構化模型。這不僅能提升 AI 教練在指導程序性技能（如程式碼編寫、實驗步驟）時的精準度，還能顯著降低數位教材數位化的成本，讓教學內容能更精準地對應學生的學習需求。
原始文獻資訊
- 英文標題：
- Developing Models of Procedural Skills using an AI-assisted Text-to-Model Approach
- 作者：
- Rahul K. Dass, Shubham Puri, Arpit Khandelwal, Xiao Jin, Ashok K. Goel
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。