オートチューター

AutoTutorは、Arthur C. Graesserを含むメンフィス大学知能システム研究所の研究者らが開発したインテリジェントな個別指導システムであり、学生が自然言語による個別指導対話を通じてニュートン物理学、コンピュータリテラシー、批判的思考のトピックを学ぶことを支援します。[ 1 ] [ 2 ] [ ^{3 ] AutoTutorは、自然言語対話に焦点を当てている点で、} Cognitive Tutor などの他の一般的なインテリジェントな個別指導システムとは異なります。つまり、個別指導は進行中の会話の形で行われ、人間の入力は音声またはフリーテキスト入力を使用して提示されます。この入力を処理するために、AutoTutorは、潜在的意味解析、正規表現マッチング、および発話行為分類器などの計算言語学アルゴリズムを使用します。これらの補完的な技術は、それぞれ、入力の一般的な意味、正確な言い回しまたはキーワード、および表現の機能的な目的に焦点を当てています。 AutoTutor は、自然言語入力に加えて、マウス クリック、感情センサーから推測される学習者の感情、学生モデルからの事前知識の推定などのアドホック イベントも受け入れることができます。これらの入力に基づいて、コンピューター チューター (またはチューター) は、いつ応答するか、どのような発話動作で応答するかを決定します。このプロセスは、一連のダイアログ固有の生成ルールを含む「スクリプト」によって実行されます。

AutoTutor は、人間同士の個別指導セッションの分析と、認知学習の原則に基づいた理論に基づいた個別指導戦略に基づいて、人間の講師の談話パターンをシミュレートします。^[4] AutoTutor は、口頭での説明と回答の推論を必要とする一連の難しい自由形式の質問を提示します。AutoTutor は、回答を構築しながら、協力的で主導権の混在した対話を行います。このプロセスには通常、約 100 回の会話ターンが必要です。AutoTutor は、音声エンジン、いくつかの表情、基本的なジェスチャーを備えたアニメーション化された会話エージェントを通じて、ターンの内容を話します。一部のトピックについては、グラフィカルな表示、因果メカニズムのアニメーション、または対話型のシミュレーション環境があります。AutoTutor は、対話履歴の内容を分析することにより、学習者の認知状態を追跡します。AutoTutor は、学習者が知っていることに応じて、各会話ターンの単語と文を動的に選択します。AutoTutor システムの最近のバージョンは、学習者の認知状態に加えて感情状態にも適応します。^[5]

AutoTutorは、入門レベルのコンピュータリテラシー^[6]と概念物理学[ ^7]のトピックについて、大学生を対象にした10を超える実験で、特に深い推論の質問で学習効果が得られていることが示されています。AutoTutorのテストでは、学習尺度、比較条件、主題、AutoTutorのバージョンに応じて、平均0.8（範囲0.4〜1.5）の効果サイズが得られました。比較すると、効果サイズ1.0は、ほぼ完全な文字評価に相当します。ただし、コンテンツの作成にかかる時間とコストは、スライドデッキや従来の教科書などの非対話型教材よりも大幅に高く、これはインテリジェントな個別指導システムに共通する問題です。[ ^8] インテリジェントな個別指導システムの作成を加速する方法論は、この分野で依然として活発に研究されています。

• オートチューター公式サイト
• 感情に敏感なオートチューター
• ジャーナル記事と会議論文では、AutoTutor システム、AutoTutor を使用した実験、およびその他の関連情報が説明されています。