TeachingCoach：教師專屬精細調校支架式聊天機器人
arXiv - Artificial IntelligenceIsabel Molnar, Peiyu Li, Si Chen, Sugana Chawla, James Lang, Ronald Metoyer, Ting Hua, Nitesh V. Chawla
開發以教學規則為基礎、利用合成對話微調的聊天機器人，為高等教育教師提供即時、具反思性的專業發展指導，並證實其優於 GPT-4o mini。
AI 幫你先抓重點
AI 重點 1
以教學規則為基礎的資料中心流程
滑鼠懸停看 AI 判斷理由
此流程確保聊天機器人具備堅實的教學理論基礎，避免僅依賴通用模型的空洞建議，並為後續微調提供可擴展的規則庫。
AI 重點 2
合成對話微調提升回饋質量
滑鼠懸停看 AI 判斷理由
透過人工合成的對話資料，模型能學習到更具針對性、反思性與回應性的語言表達，實驗證明其優於 GPT-4o mini，顯示合成資料在教學輔助領域的有效性。
核心研究發現
- 1
TeachingCoach 透過資料中心流程，從教育資源抽取教學規則，並以合成對話微調專用語言模型，實現具備教學支架的對話式指導。
- 2
專家評估顯示，TeachingCoach 的回饋比 GPT-4o mini 更清晰、更具反思性、更具回應性。
- 3
使用者研究顯示，教師對於對話深度與互動效率之間存在權衡，深度對教學策略制定有利但耗時。
- 4
合成資料驅動的聊天機器人能在可擴展性上優於傳統人機諮詢，提供即時且可持續的專業發展支援。
- 5
本研究提供了一種可複製的設計框架，未來可用於開發其他領域的教學輔助聊天機器人。
對教育工作者的啟發
教師可先利用本研究提供的教學規則抽取工具，將自身課程資料轉化為可微調的規則庫；再透過合成對話生成，快速產生符合教學情境的對話樣本，進行模型微調。實務上，需在設計對話時平衡深度與效率，避免過長對話導致教師疲勞；可將聊天機器人嵌入現有 LMS 或教學平台，提供即時回饋與策略建議，並透過使用者回饋持續優化。
原始文獻資訊
- 英文標題：
- TeachingCoach: A Fine-Tuned Scaffolding Chatbot for Instructional Guidance to Instructors
- 作者：
- Isabel Molnar, Peiyu Li, Si Chen, Sugana Chawla, James Lang, Ronald Metoyer, Ting Hua, Nitesh V. Chawla
- 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。