Проблема обобщенных AI-ассистентов
Современные AI-преподаватели на базе больших языковых моделей (LLM) и RAG-архитектур, такие как Jill Watson, часто страдают от «усредненности». Они предоставляют масштабируемую поддержку, но не учитывают индивидуальные когнитивные особенности учащихся. Это приводит к тому, что один и тот же ответ может быть полезен одному студенту и непонятен другому.
Решение: 6 измерений и 96 профилей
Команда исследователей (Saptarshi Basu, Sandeep Kakar, Ashok Goel) разработала методологию, позволяющую кастомизировать ответы в реальном времени без переобучения модели. Ключевая инновация — анализ шести измерений личности обучающегося, которые кодируются в структурированные промпты:
- Self-assessment (самооценка знаний);
- Abstraction preference (предпочтение абстракции);
- Verbosity preference (желательная длина ответа);
- Perceptual orientation (ориентация на восприятие);
- Information processing style (стиль обработки информации);
- Level of understanding (текущий уровень понимания).
Комбинация этих параметров создает 96 уникальных профилей студентов. Дополнительно система анализирует запрос через Таксономию Блума для оценки когнитивной сложности задачи на каждом этапе взаимодействия.
Методология и результаты
Фреймворк не требует изменения весов модели. Вместо этого атрибуты студента и когнитивная оценка внедряются в контекстное окно через промпт-инжиниринг. Это позволяет системе «на лету» менять стиль, структуру и глубину ответа.
Экспериментальная оценка включала NLP-метрики и человеческое исследование с участием 5 участников. Результаты показали статистически значимые различия в стиле ответов при разных условиях персонализации. Это подтверждает гипотезу о том, что промпт-инжиниринг способен обеспечивать адаптивное поведение в образовательных агентах.
Значение для EdTech
Работа, представленная на конференции IAAI'27, демонстрирует путь к созданию гибких образовательных систем. Отсутствие необходимости в дообучении (fine-tuning) снижает вычислительные затраты и позволяет масштабировать персонализацию на любые дисциплины и курсы, где уже развернуты общие AI-ассистенты.
Источник: arXiv cs.AI ↗