美国教育不平等问题由来已久，低收入家庭的孩子获得优质教育的机会远低于富裕家庭的孩子。其中一个重要原因是，贫困地区难以留住经验丰富的教师。
人工智能或许能成为解决这一问题的关键。通过人工智能工具，虚拟辅导可以更有效地利用经验丰富的教师的专业知识，为学生提供个性化的学习支持。
斯坦福大学的研究人员开发了一款名为“Tutor CoPilot”的人工智能系统，它基于OpenAI的GPT-4，并与FEV Tutor平台集成。FEV Tutor是一个连接学生和虚拟辅导员的平台。在辅导过程中，学生和辅导员可以通过聊天界面进行交流。当辅导员需要帮助解释学生出错的原因时，他们可以点击按钮，从Tutor CoPilot获取建议。
研究人员利用700个真实辅导案例训练GPT-4模型，这些案例涵盖了经验丰富的教师与一至五年级学生进行数学辅导的场景，包括识别学生的错误并帮助他们纠正错误，从而理解更广泛的教学概念。基于这些数据，模型可以生成可供辅导员定制的回复，帮助他们更好地指导在线学生。
“我对人机协作系统的未来充满期待，”斯坦福大学博士生Rose Wang表示，她参与了该项目的研究，该项目已发表在arXiv上，尚未经过同行评审。“我认为这项技术具有巨大的潜力，但前提是它必须设计得当。”
该工具并非旨在直接教授学生数学知识，而是为辅导员提供有用的建议，帮助他们引导学生找到正确答案，并鼓励更深入的学习。
例如，它可以建议辅导员询问学生如何得出答案，或者提出一些问题，引导学生从不同的角度解决问题。
为了测试该工具的有效性，研究团队分析了900名虚拟辅导员对1787名学生的数学辅导数据，这些学生来自美国南部的历史性服务不足社区，年龄在5至13岁之间。其中一半的辅导员可以使用Tutor CoPilot，另一半则不能。
结果显示，使用Tutor CoPilot的辅导员的学生，在“退出票”考试中通过率比没有使用该工具的辅导员的学生高出4个百分点（分别为66%和62%）。“退出票”是用来评估学生是否掌握了某个主题的测试。
牛津大学机器学习研究员Simon Frieder认为，该工具之所以有效，是因为它被用于教授相对基础的数学知识。他并未参与该项目的研究。“目前，我们还无法用它来进行更高级的数学学习，”他说。
研究团队估计，该工具每年可为辅导机构节省约20美元的成本，而传统的教师培训通常需要花费数千美元。这将极大地降低辅导成本。
芝加哥大学计算机科学助理教授Mina Lee认为，该工具有可能改善新手辅导员与学生的互动关系，帮助他们学习像经验丰富的教师一样解决问题。她并未参与该项目的研究。
“这项研究表明，该工具在实际应用中确实有效，”她说。“我们希望促进人与人之间的联系，而这项研究很好地展示了人工智能如何增强人与人之间的互动。”
下一步，Wang和她的同事将研究新手辅导员对Tutor CoPilot提供的教学方法的记忆程度。这将有助于他们了解这种人工智能干预措施的效果能持续多久。他们还计划探索哪些其他学科或年龄段的学生可以从这种方法中受益。
“这项技术的底层技术还有很大的提升空间，”Wang说。“但我们不会盲目地部署人工智能技术，我们希望在将其投入实际应用之前进行严格的评估。我最担心的是，我们浪费了学生的时间。”
