BLADE：対話と解説による、より良い言語回答

Abstract

大規模言語モデル（LLM）ベースの教育用アシスタントは、探索、自分での説明、教材との関わりを減らして学習をショートカットするような直接的な回答を提供しがちです。私たちは、即座の解答を提示するのではなく学習者を関連する指導用リソースへ導く、根拠に基づいた会話型アシスタントであるBLADE（Better Language Answers through Dialogue and Explanations）を提案します。BLADEは、厳選したコース教材に対して検索拡張生成（RAG）フレームワークを用い、生徒の質問に応じて教育的に関連のある抜粋を動的に提示します。最終的な答えを提供する代わりに、BLADEは概念理解を支えるために、ソース教材との能動的な取り組みを促すプロンプトを提示します。私たちは学部のコンピュータサイエンス課程において、異なるコース・リソース構成で影響調査を実施し、BLADEがコース・リソースの全一覧を単に提供するだけの場合と比べて、学習者のコース・リソースのナビゲーションと概念的パフォーマンスを改善することを示します。これらの結果は、根拠に基づいた会話型AIが能動的学習とエビデンスに基づく推論を強化する可能性を示しています。