K-12教育における学習者モデリングにおけるLLMの限界

この論文は、K-12教育における適応型個別指導において、大規模言語モデル（LLM）のみを使用することの限界を強調しています。特に、生徒の知識を評価する際の精度、信頼性、および時間的整合性に関する問題点を指摘しています。EU AI法がK-12設定をハイリスクドメインとして分類していることを踏まえ、責任あるAI教育のためには、Deep Knowledge Tracing（DKT）のような確立された学習者モデリング技術を組み込んだハイブリッドアプローチが必要であると強調しています。

• •LLM単独では、K-12教育における生徒の知識評価において、確立された学習者モデリング技術（例：DKT）ほど効果的ではありません。
• •LLMは時間的整合性に苦労し、一貫性のない習熟度更新を生成します。
• •責任ある個別指導には、LLMと学習者モデリングを組み合わせたハイブリッドフレームワークが必要です。
• •LLMのファインチューニングはパフォーマンスを向上させますが、それでもDKTには及ばず、かなりの計算リソースが必要です。