問題解決プロセス生成における中国の初等科学質問データセット

科学分野:

• 教育テクノロジー
• 教育における人工知能
• 科学教育

背景:

• 大規模言語モデル（LLM）は、パーソナライズされた科学教育の可能性を示しています。
• 重要な課題は、LLMによって生成された問題解決プロセスを特定の学生のグレードレベルに適応させることです。
• 既存のデータセットは、グレードレベル固有の科学的問題解決スキルを開発するのに十分に対応していない可能性があります。

研究 の 目的:

• 中国科学質問（CSQ）データセットを開発および導入すること。
• LLMの科学的問題解決能力を評価および強化すること。
• LLMがグレードレベルに適した科学的問題解決プロセスを生成できるようにすること。

主な方法:

• 12,000の高品質サンプルを含む中国科学質問（CSQ）データセットを作成しました。
• 4つの小学校の科目にわたる多様な質問タイプと規律特性を含めました。
• 学生の思考プロセスをエミュレートするために、CSQデータセットでファインチューニングされた言語モデルを設計しました。

主要な成果:

• CSQデータセットは、その広範な注釈により、LLMを効果的にファインチューニングしました。
• 自動および人間の両方の評価により、LLMのパフォーマンスの向上が確認されました。
• 生成された問題解決プロセスは、一次学生のグレードレベルと正常に一致しました。

結論:

• CSQデータセットは、科学教育におけるAIを進歩させるための貴重なリソースです。
• LLMは、パーソナライズされたグレードレベルに適した科学的問題解決サポートを提供するように効果的にトレーニングできます。
• この作業は、科学学習のためのより適応的で効果的な教育ツールの開発に貢献します。