千萬教學行動：開放式多模態教學互動資料集
arXiv - Computers and SocietyRen\'e Kizilcec, Kirk Vanacore, Zhuqian Zhou, Doug Pietrzak, Jorge Dias, Haocheng Zhang, Bakhtawar Ahtisham, Joshua Marland, Rachel Slama, Justin Reich, Kenneth Koedinger
MTM 專案發布首版 4,654 篇數學教學對話資料集，提供安全、開放且多模態的教學互動資料，促進教學研究、實務改進與 AI 教學系統發展。
AI 幫你先抓重點
AI 重點 1
開放多模態資料集為 AI 教學研究提供真實互動基礎。
滑鼠懸停看 AI 判斷理由
傳統 AI 教學模型多依賴人工標註或有限資料，缺乏真實教學情境。MTM 讓研究者可直接分析大量真實對話與多感官輸入，提升模型的語境理解與個別化回應能力，進而改進 AI 教師的實務效能。
AI 重點 2
系統化觀察教學互動可揭示有效教學策略與學習者行為模式。
滑鼠懸停看 AI 判斷理由
透過對 4,654 篇對話的結構化分析，研究者能辨識關鍵教學動作、回饋頻率與學習者參與度，這些洞察可直接應用於課程設計、教師培訓與評量工具，提升教學質量與學習成效。
核心研究發現
- 1
MTM v1 釋出 4,654 篇數學教學對話，來源為美國非營利線上教學平台。
- 2
資料集為多模態，包含文字、音訊、影像及螢幕錄製等多種資料來源。
- 3
MTM 旨在將教學互動系統化觀察與分析，支援教學流程研究、提升教學實務並促進以真實互動為基礎的 AI 教學系統開發。
對教育工作者的啟發
對於教育工作者而言，MTM 提供了可直接下載的真實教學對話資料，能用於分析教師與學生互動模式，辨識有效的提問與回饋策略。課程設計師可藉此調整教學內容與評量方式，確保學習者在實際情境中獲得適切支援。AI 系統開發者則可利用多模態資料訓練更具語境感知與情緒辨識能力的自動化教學助手，進一步提升個別化學習體驗。整體而言，MTM 促進了教學研究與實務的資料共享與跨域合作，縮短理論到實踐的轉化時間。
原始文獻資訊
- 英文標題：
- Million Tutoring Moves (MTM): An Open Multimodal Dataset for the Science of Tutoring
- 作者：
- Ren\'e Kizilcec, Kirk Vanacore, Zhuqian Zhou, Doug Pietrzak, Jorge Dias, Haocheng Zhang, Bakhtawar Ahtisham, Joshua Marland, Rachel Slama, Justin Reich, Kenneth Koedinger
- 來源：
- arXiv - Computers and Society
- 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。