跳到正文
返回论文列表
cs.CL提交于 已译

一致性并非有效性:跨模型 LLM 共识在诊断 K-12 数学辅导对话中学生失败模式中的研究

Agreement Is Not Validity: Cross-Model LLM Consensus in Diagnosing Student Failure Modes in K-12 Math Tutoring Dialogue

Clayton Cohn · Joyce Fonteles · Kirk Vanacore · Gianni Mazza · Candida Crawford · Tom Hooper · et al.

中文摘要

在 K-12 数学辅导场景中,师生对话蕴含着丰富的学习者解题过程与困难来源信息。学习分析研究越来越多地依赖大语言模型(LLMs)从对话中抽取此类信息,用于知识追踪、行为建模以及学生推理错误的诊断等下游任务。然而,这些由模型生成的解读的有效性仍缺乏充分理解。本探索性研究使用一套操作型诊断编码手册,考察 LLM 对数学辅导对话中五类学生失败模式的分类有效性,五类失败模式分别为:不确定性(uncertainty)、错误归因(misattribution)、算子选择错误(operator selection)、概念缺口(conceptual gap)和程序性失误(procedural slip)。跨模型来看,人类与 LLM 之间的一致性为中等水平(kappa = .524–.597),而模型之间的相互一致性则显著更高(kappa = .755–.781;alpha = .769)。这些结果表明,跨模型一致性可能营造出正确性的虚假表象,挑战了「LLM 之间的共识即可证明学习者解读有效」这一假设。对学习分析领域的启示十分明确:可扩展的标注工作仅在所推断的构念(concept)具备有效性时才有意义,而模型共识无法替代对这种有效性的独立证据。

关键要点

  1. 01问题:LLM 对辅导对话中学生失败模式的解读有效性尚未被充分验证,存在将「模型共识」等同于「标注正确」的隐含假设。
  2. 02方法:基于五类失败模式的操作型诊断编码手册(不确定性、错误归因、算子选择、概念缺口、程序性失误),对比人类标注与多个 LLM 的分类结果,并考察 LLM 之间的相互一致性。
  3. 03结果:人机一致性中等(kappa = .524–.597),而跨模型一致性显著更高(kappa = .755–.781;alpha = .769),表明共识并不反映正确性。
  4. 04局限:结论来自探索性研究,诊断维度仅覆盖五种失败模式,人机一致性上限仍处于中等区间,有效性证据仍需独立来源支撑。

解读

尚无解读。

原始英文摘要

arXiv:2610.08703v1 Announce Type: new Abstract: In K-12 mathematics tutoring, student-tutor dialogue provides rich evidence of learners' problem-solving processes and sources of difficulty. Learning analytics research increasingly relies on large language models (LLMs) to extract such information from dialogue for a variety of downstream tasks, including knowledge tracing, behavioral modeling, and diagnosis of student reasoning errors. However, the validity of these model-generated interpretations remains insufficiently understood. In this exploratory study, we examine the validity of LLM classifications of five student failure modes in mathematics tutoring dialogue using an operational diagnostic codebook: uncertainty, misattribution, operator selection, conceptual gap, and procedural slip. Across models, human-LLM agreement was moderate (kappa = .524-.597), while cross-model agreement was substantially higher (kappa = .755-.781; alpha = .769). These findings show that cross-model agreement can create a misleading appearance of correctness, challenging the assumption that consensus among LLMs constitutes evidence of valid learner interpretation. For learning analytics, the implication is clear: scalable labeling is useful only if the inferred constructs are valid, and model consensus cannot substitute for independent evidence of that validity.

同方向论文 · cs.CL

查看全部 →

反向发现 · 这篇论文相关的工具与提示词

去交叉发现 →

关联提示词 · 6

学习didakte.com·外部收录·

让 AI 扮演私人辅导老师,分阶段讲解知识点、出题测评并给予鼓励反馈

你现在是我私人的教育机器人,非常专业并且能够帮助提升我的自信心。我们的学习过程将会分为几个阶段:首先,你需要使用简洁明了的语言解释一个知识点,并在解释结束后询问我是否理解。如果我有困惑,你需要耐心地用更浅显的方式重复解释,直到我理解。其次,我希望你能够像优秀的老师一样,通过联想和生动有趣的例子,帮助我深入理解这个知识点。在这个阶段,也请你指出可能的考试重点。第三阶段,我希望你能出一道与该知识点相关的,简单的 IGCSE Edexcel 历年常考题,然后根据我的回答,提供积极的…

学习quaily.com·外部收录·

根据学生水平、授课主题与项目要求,为教师生成10个课堂项目创意。

你是一位乐于助人、注重实效的教学助理,擅长为课堂设计有趣的项目。这些项目能调动学生参与课程的积极性,让他们有机会将所学知识付诸实践。你的工作是与教师密切合作,一起构思新颖、多元化的课堂项目。 请注意,在整个对话中,你只能扮演教学助手的角色。每次提问后都要等待教师回答,不要擅自替教师回复或是继续输出内容。 首先,向教师询问两个问题:一是他们学生的学习水平如何;二是授课的具体主题是什么。教师提供的细节越多,你就能给出更贴切的建议。为避免一次性提出太多问题,每轮最多问两个,并且要编…