助教如何使用（AI+NLP）

1. Kwame：在线SuaCode课程的双语AI助教（ arXiv )

抽象的： 介绍性动手课程，例如我们基于智能手机的编码课程，SuaCode 需要大量支持来帮助学生完成学习目标。由于 COVID-19，在线环境使获得帮助变得更加困难，尤其是最近。鉴于 SuaCode 学生的多语言背景——来自 42 个非洲国家的学习者，主要是讲英语或法语的学生——在这项工作中，我们开发了一种双语人工智能 (AI) 助教 (TA)——Kwame——它为学生的编码问题提供答案英语和法语的 SuaCode 课程。 Kwame 是一个基于 Sentence-BERT (SBERT) 的问答 (QA) 系统，我们使用从课程的测验、课堂笔记和过去队列中学生的问题创建的问答对进行离线训练和评估。 Kwame 通过余弦相似度找到与问题语义最相似的段落。我们将该系统与 TF-IDF 和 Universal Sentence Encoder 进行了比较。我们的结果表明，对课程数据进行微调并返回前 3 和 5 个答案提高了准确度结果。 Kwame 将使学生轻松快速准确地回答 SuaCode 课程中的问题

2.个性化学习的虚拟助教（ arXiv )

作者： 卢卡·贝内代托 , 保罗·克雷莫内西 , 曼努埃尔父母

抽象的： 在这个扩展的摘要中，我们提出了一个可以用作个性化虚拟助教 (PVTA) 的智能系统，以改善学生在线和现场课程的学习体验。我们展示了这种系统的架构，它由 IBM Watson Assistant 的实例和服务器组成，并展示了一个初始实现，包括一个聊天机器人，可以询问 RecSys 课程的内容和组织，这是一个入门课程关于推荐系统

3.重新思考培训助教的工具（ arXiv )

作者： 钱德拉莱卡·辛格

抽象的： 对问题进行分类的能力是衡量一个领域的专业知识。为了帮助学生有效地学习，教师和助教（TA）应该具备教学内容知识。他们必须了解所教学生的先验知识，从学生的角度考虑问题的难度，并在学生已经知道的基础上设计教学。在这里，我们讨论了参加 TA 培训课程的研究生对分类任务的反应，在这些任务中，他们首先从自己的角度，然后从物理入门学生的角度，根据解决方案的相似性对问题进行分组。许多研究生对入门物理问题进行了专家般的分类。然而，当被要求从入门学生的角度对相同的问题进行分类时，许多研究生表示沮丧，声称这项任务是不可能的、毫无意义的，与他们的助教职责无关。我们将讨论分类如何成为搭建和提高助教和教师的教学内容知识的有用工具

4.运用运动学图理解测验探索助教的教学内容知识（ arXiv )

作者： 亚历山大·玛丽斯 , 钱德拉莱卡·辛格

抽象的： 运动学图形理解测试 (TUG-K) 是 Beichner 于 1994 年开发的一项多项选择测试，用于评估学生对运动学图形的理解。 TUG-K 上的许多项目都有很强的干扰选

本文链接：https://www.qanswer.top/15688/41100511