[論文レビュー] Data-Driven Hints in Intelligent Tutoring Systems

Sutapa Dey Tithi, Kimia Fazeli+4 more|arXiv (Cornell University)|Mar 7, 2026

Intelligent Tutoring Systems and Adaptive Learning被引用数 0

ひとこと要約

要約を1〜2文で直接回答します

ABSTRACT

This chapter explores the evolution of data-driven hint generation for intelligent tutoring systems (ITS). The Hint Factory and Interaction Networks have enabled the generation of next-step hints, waypoints, and strategic subgoals from historical student data. Data-driven techniques have also enabled systems to find the right time to provide hints. We explore further potential data-driven adaptations for problem solving based on behavioral problem solving data and the integration of Large Language Models (LLMs).

研究の動機と目的

• データ駆動型の手法が、履歴データから次のステップのヒント、ウェイポイント、サブゴールを生成するようにどのように進化してきたかを説明する。
• データ駆動型技術がヒントを提供する適切なタイミングをどのように決定するかを説明する。
• 問題解決と大規模言語モデル（LLM）との統合に向けたデータ駆動型適応の可能性を探る。

提案手法

• ヒント工場（Hint Factory）と相互作用ネットワーク（Interaction Networks）が、履歴学生データからヒントを導く際の役割を論じる。
• 次のステップのヒント、ウェイポイント、戦略的サブゴールが、経験データからどのように生成されるかを説明する。
• データ駆動シグナルを用いてヒント提供の最適タイミングを検出する方法を説明する。
• 行動データに基づく問題解決の適応の可能性を調査する。
• ITSのヒンティングワークフローへのLLMsの組み込みの道筋を提案する。

実験結果

リサーチクエスチョン

• RQ1 歴史的な学生データを活用して、効果的な次のステップのヒント、ウェイポイント、サブゴールを生成するにはどうすればよいか？
• RQ2 ヒントを提供する最適なタイミングを決定づけるシグナルまたはデータ駆動基準は何か？
• RQ3 データ駆動型の適応はITSの問題解決ガイダンスをどう改善できるか、そしてLLMsはどう統合できるか？
• RQ4 データ駆動技術とLLMsを組み合わせることの利点と課題は何か？

主な発見

• 本章はHint FactoryやInteraction Networksといったデータ駆動ヒント生成技術の進化を概説する。
• 履歴データを用いて、次のステップのヒントだけでなくウェイポイントや戦略的サブゴールを生成できることを示している。
• データ駆動手法がヒント提供のタイミングを通知できることを強調している。
• 将来の方向性として、行動ベースの適応やLLMsの統合などを論じている。