表征对齐支持有效的教学

伊利亚·苏丘卢茨基 (Ilia Sucholutsky)，凯瑟琳·M·柯林斯 (Katherine M. Collins)，玛雅·马拉维亚 (Maya Malaviya)，诺里·雅各比 (Nori Jacoby)，魏阳·刘 (Weiyang Liu)，西奥多·R·萨默斯 (Theodore R. Sumers)，米哈利斯·科拉卡基斯 (Michalis Korakakis)，乌芒·巴特 (Umang Bhatt)，马克·霍 (Mark Ho)，约书亚·B·特内鲍姆 (Joshua B. Tenenbaum)，扎卡里·A·帕多斯 (Zachary A. Pardos)，艾德里安·韦勒 (Adrian Weller)，托马斯·L·格里菲斯 (Thomas L. Griffiths)
人工智能辅助教育创新与责任研讨会论文集，PMLR 273:146-173，2025。

摘要

一位优秀的教师不仅应该知识渊博，还应该能够以学生能够理解的方式进行沟通——分享学生对世界的表征。在这项工作中，我们引入了一个新的受控实验环境 GRADE，用于研究教学法和表征对齐。我们通过一系列机器-机器和机器-人类教学实验使用 GRADE，来描述一个效用曲线，该曲线定义了表征对齐、教师专业知识和学生学习成果之间的关系。我们发现，与学生的表征对齐程度提高可以改善学生的学习成果（即任务准确性），但这种影响受到所教班级规模和表征多样性的调节。我们利用这些见解设计了一个初步的课堂匹配程序 GRADE-Match，该程序优化了学生到教师的分配。在设计机器教师时，我们的结果表明，不仅要关注准确性，还要关注与人类学习者的表征对齐。

引用本文

BibTeX
@InProceedings{pmlr-v273-sucholutsky25a, title = {表征对齐支持有效的教学}, author = {Sucholutsky, Ilia and Collins, Katherine M. and Malaviya, Maya and Jacoby, Nori and Liu, Weiyang and Sumers, Theodore R. and Korakakis, Michalis and Bhatt, Umang and Ho, Mark and Tenenbaum, Joshua B. and Pardos, Zachary A. and Weller, Adrian and Griffiths, Thomas L.}, booktitle = {人工智能辅助教育创新与责任研讨会论文集}, pages = {146--173}, year = {2025}, editor = {Wang, Zichao and Woodhead, Simon and Ananda, Muktha and Mallick, Debshila Basu and Sharpnack, James and Burstein, Jill}, volume = {273}, series = {机器学习研究论文集}, month = {03 Mar}, publisher = {PMLR}, pdf = {https://raw.githubusercontent.com/mlresearch/v273/main/assets/sucholutsky25a/sucholutsky25a.pdf}, url = {https://pmlr.com.cn/v273/sucholutsky25a.html}, abstract = {一位优秀的教师不仅应该知识渊博，还应该能够以学生能够理解的方式进行沟通——分享学生对世界的表征。在这项工作中，我们引入了一个新的受控实验环境 GRADE，用于研究教学法和表征对齐。我们通过一系列机器-机器和机器-人类教学实验使用 GRADE，来描述一个效用曲线，该曲线定义了表征对齐、教师专业知识和学生学习成果之间的关系。我们发现，与学生的表征对齐程度提高可以改善学生的学习成果（即任务准确性），但这种影响受到所教班级规模和表征多样性的调节。我们利用这些见解设计了一个初步的课堂匹配程序 GRADE-Match，该程序优化了学生到教师的分配。在设计机器教师时，我们的结果表明，不仅要关注准确性，还要关注与人类学习者的表征对齐。} }
Endnote
%0 会议论文 %T 表征对齐支持有效的教学 %A Ilia Sucholutsky %A Katherine M. Collins %A Maya Malaviya %A Nori Jacoby %A Weiyang Liu %A Theodore R. Sumers %A Michalis Korakakis %A Umang Bhatt %A Mark Ho %A Joshua B. Tenenbaum %A Zachary A. Pardos %A Adrian Weller %A Thomas L. Griffiths %B 人工智能辅助教育创新与责任研讨会论文集 %C 机器学习研究论文集 %D 2025 %E Zichao Wang %E Simon Woodhead %E Muktha Ananda %E Debshila Basu Mallick %E James Sharpnack %E Jill Burstein %F pmlr-v273-sucholutsky25a %I PMLR %P 146--173 %U https://pmlr.com.cn/v273/sucholutsky25a.html %V 273 %X 一位优秀的教师不仅应该知识渊博，还应该能够以学生能够理解的方式进行沟通——分享学生对世界的表征。在这项工作中，我们引入了一个新的受控实验环境 GRADE，用于研究教学法和表征对齐。我们通过一系列机器-机器和机器-人类教学实验使用 GRADE，来描述一个效用曲线，该曲线定义了表征对齐、教师专业知识和学生学习成果之间的关系。我们发现，与学生的表征对齐程度提高可以改善学生的学习成果（即任务准确性），但这种影响受到所教班级规模和表征多样性的调节。我们利用这些见解设计了一个初步的课堂匹配程序 GRADE-Match，该程序优化了学生到教师的分配。在设计机器教师时，我们的结果表明，不仅要关注准确性，还要关注与人类学习者的表征对齐。
APA
苏丘卢茨基，I.，柯林斯，K.M.，马拉维亚，M.，雅各比，N.，刘，W.，萨默斯，T.R.，科拉卡基斯，M.，巴特，U.，霍，M.，特内鲍姆，J.B.，帕多斯，Z.A.，韦勒，A. & 格里菲斯，T.L. (2025)。表征对齐支持有效的教学。人工智能辅助教育创新与责任研讨会论文集，发表于机器学习研究论文集 273:146-173。可从 https://pmlr.com.cn/v273/sucholutsky25a.html 获取。

相关材料