Predicting Learning Performance with Large Language Models: A Study in Adult Literacy

本篇内容属于LLM系列文章的一部分，主要涉及对《Predicting Learning Performance with Large Language Models: A Study in Adult Literacy》这一研究文献的翻译工作。

用大型语言模型预测学习成绩——成人识字率研究

• 摘要
  • 1 引言
  • 2 相关研究
  • 3 技术手段
  • 4 实验结果
  • 5 分析探讨
  • 6 现存不足
  • 7 后续展望
  • 8 总结归纳

摘要内容提炼

智能辅导系统在提升成人识字培训方面发挥了重要作用，这在促进社会参与、拓展就业机会以及推动终身学习方面具有关键意义。本项研究探讨了高级人工智能模型的应用，其中包括GPT-4等大规模语言模型，旨在预测智能教学系统（ITS）中成人识字项目的学习成效。此次研究的出发点在于探索大型语言模型（LLM）凭借其内在的推理能力与计算性能，在预测学习表现方面的可能性。借助ITS中的AutoTutor阅读理解数据集，我们运用五折交叉验证方法对GPT-4与传统机器学习技术在预测学习表现方面的效能进行了评估。研究结果揭示出，相较于传统机器学习方法（如贝叶斯知识追踪、绩效因子分析、稀疏因子分析精简版（SPARFALite）、张量因子分解以及极限梯度提升（XGBoost）），GPT-4展现出具备竞争力的预测能