Le modèle d'IA pédagogique intègre les théories pédagogiques dans son processus de formation
Les grands modèles de langage (LLM) ont démontré des capacités remarquables dans les tâches de traitement du langage naturel (NLP), mais ils sont confrontés à des défis importants lorsqu'ils sont appliqués à des contextes éducatifs.
Un article publié dans Frontières de l'éducation numérique présente WisdomBot, un nouveau LLM pédagogique qui répond à ces limitations en intégrant des théories et des connaissances pédagogiques dans son processus de formation.
WisdomBot utilise la taxonomie de Bloom pour guider l'acquisition de concepts de connaissances et la conception de données de réglage des instructions. En tirant parti des LLM et des techniques d'auto-apprentissage, le modèle acquiert une compréhension globale du contenu éducatif et de divers processus cognitifs, allant des capacités de base aux avancées.
De plus, le modèle utilise des stratégies d'augmentation de la récupération, notamment la récupération d'une base de connaissances locale et d'un moteur de recherche, pour améliorer ses connaissances factuelles et générer des réponses plus précises et professionnelles.
Des expériences menées sur des LLM chinois, tels que Chinese-LLaMA et Qwen-7B-Chat, démontrent l'efficacité de WisdomBot. Les modèles affinés surpassent les modèles originaux dans diverses tâches éducatives, notamment la réponse à des questions professionnelles, la génération de problèmes de test et le tutorat intelligent. De plus, WisdomBot présente des capacités cognitives avancées supérieures, telles que la créativité, la capacité personnalisée et le raisonnement logique.
Dans l’ensemble, WisdomBot représente une avancée significative dans le domaine de l’IA éducative. En combinant la puissance des LLM avec les théories et les connaissances pédagogiques, il ouvre de nouvelles possibilités d'expériences d'apprentissage personnalisées et efficaces.
Fourni par Higher Education Press
