REFINE：互動回饋與學生行為的實境探索
arXiv - Human-Computer InteractionFares Fawzi, Seyed Parsa Neshaei, Marta Knezevic, Tanya Nazaretsky, Tanja K\"aser
本研究提出 REFINE，一個基於小型開源 LLM 的多智能體回饋系統，將回饋視為互動過程，並透過實驗及課堂部署驗證其有效性。
AI 幫你先抓重點
AI 重點 1
多智能體回饋系統的設計與實現。
滑鼠懸停看 AI 判斷理由
REFINE 的多智能體架構，結合了回饋生成、判斷與互動，突破了傳統回饋系統的限制，為教育科技領域提供了一個創新的解決方案，值得深入研究。
AI 重點 2
互動回饋對學生學習行為的影響。
滑鼠懸停看 AI 判斷理由
研究發現系統產生的回饋能引導學生的提問，顯示互動回饋能有效促進學生的自主學習，並提升學習效果，對於提升教學品質具有重要意義。
核心研究發現
- 1
REFINE 系統結合了以教學法為基礎的回饋生成智能體，以及由以人類價值觀為導向的判斷者引導的回饋再生迴圈，提升回饋品質。
- 2
系統中的自我反思工具呼叫智能體，能針對學生提出的問題提供具情境、可操作的回應，並與學生進行互動。
- 3
自動評估結果顯示，由判斷者引導的回饋再生過程能顯著提升回饋品質，且互動智能體的表現與最先進的閉源模型相媲美。
- 4
真實學生互動分析揭示了不同的參與模式，並表明系統產生的回饋能系統性地引導後續的學生提問。
- 5
研究證明了多智能體系統的可行性與有效性，為大規模提供及時、個人化的回饋提供了新的途徑。
對教育工作者的啟發
REFINE 系統的設計理念，可應用於開發更具互動性、個人化的學習回饋工具。教育工作者可以考慮將小型開源 LLM 整合到現有的學習平台中，以提供更及時、更具針對性的回饋。此外，強調回饋的互動性，鼓勵學生提出問題，並提供具情境的回應，能有效提升學生的學習動機與效果。
原始文獻資訊
- 英文標題：
- REFINE: Real-world Exploration of Interactive Feedback and Student Behaviour
- 作者：
- Fares Fawzi, Seyed Parsa Neshaei, Marta Knezevic, Tanya Nazaretsky, Tanja K\"aser
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
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。