大型语言模型在K-12教育中的学习者建模方面存在不足

本文强调了仅使用大型语言模型 (LLM) 进行 K-12 教育中的自适应辅导的局限性，尤其是在评估学生知识的准确性、可靠性和时间一致性方面。它强调了需要结合已建立的学习者建模技术（如深度知识追踪 (DKT)）的混合方法，以实现负责任的教育 AI，特别是考虑到欧盟 AI 法将 K-12 设置归类为高风险领域。

• •在 K-12 教育中评估学生知识方面，单独使用 LLM 不如已建立的学习者建模技术（例如 DKT）有效。
• •LLM 在时间一致性方面存在困难，并产生不一致的掌握更新。
• •负责任的辅导需要将 LLM 与学习者建模相结合的混合框架。
• •微调 LLM 可以提高性能，但仍然不如 DKT，并且需要大量的计算资源。