Empoderando a los Cuidadadores: El Futuro del Apoyo con Tareas
La tecnología ayuda a los cuidadores a apoyar la educación de los niños con orientación en tiempo real.
Devika Venugopalan, Ziwen Yan, Conrad Borchers, Jionghao Lin, Vincent Aleven
― 10 minilectura
Tabla de contenidos
- El papel de la tutoría híbrida
- Tecnología para cuidadores: La herramienta de soporte conversacional
- Apoyo a cuidadores: El porqué y el cómo
- Soporte conversacional y su importancia
- El potencial de los modelos de lenguaje grandes
- Diseñando la herramienta de soporte conversacional para cuidadores
- El diseño del CCST y sus características
- Retroalimentación de los cuidadores
- Abordando la retroalimentación técnica
- La gran imagen: Fusionando LLMs y sistemas de tutoría
- Conclusión
- Fuente original
- Enlaces de referencia
Los cuidadores, que incluyen a padres y otros familiares, juegan un papel importante en ayudar a los niños con su educación. Su participación puede llevar a mejores resultados académicos, como buenas calificaciones y mayor motivación. Sin embargo, muchos cuidadores enfrentan desafíos al apoyar a sus hijos, especialmente con la tarea. A menudo, se sienten perdidos con respecto a las materias escolares modernas y luchan por brindar ayuda efectiva.
Aquí es donde entra la tecnología, ofreciendo nuevas formas de apoyar a estos cuidadores. Hay un creciente interés en usar análisis de aprendizaje para ayudar a los cuidadores a brindar un mejor apoyo durante los estudios de sus hijos. El análisis de aprendizaje examina datos sobre el aprendizaje para mejorarlo y puede incluir varias herramientas como sistemas de tutoría que ayudan a los estudiantes a resolver problemas paso a paso. Una idea emocionante es la tutoría híbrida, donde sistemas inteligentes y humanos trabajan juntos para guiar a los estudiantes.
El papel de la tutoría híbrida
La tutoría híbrida es una combinación de asistencia de máquinas y apoyo humano. En este esquema, un sistema de tutoría inteligente proporciona instrucciones mientras los cuidadores ayudan a motivar y guiar a sus hijos. Los cuidadores a menudo asumen el papel de ayudantes de tarea, pero a veces no saben cómo brindar el apoyo correcto. Como resultado, los investigadores quieren encontrar nuevas formas de ofrecer a los cuidadores la ayuda que necesitan.
Un enfoque prometedor es usar soporte basado en chat que brinde a los cuidadores consejos y estrategias mientras asisten a sus hijos. Esto podría ser útil, especialmente cuando la tarea de matemáticas se vuelve complicada, y es fácil que los cuidadores se sientan abrumados. Un sistema que entienda el contexto de la tarea y pueda sugerir mensajes relevantes en tiempo real puede empoderar a los cuidadores para ser más efectivos en sus roles.
Tecnología para cuidadores: La herramienta de soporte conversacional
Para ayudar a los cuidadores a brindar un mejor apoyo, se ha desarrollado una nueva herramienta llamada el Caregiver Conversational Support Tool (CCST). Esta herramienta utiliza una tecnología formal llamada Modelo de Lenguaje Grande (LLM), que está diseñada para procesar y generar texto basado en el contexto de una conversación. Piensa en ello como un asistente muy inteligente que puede sugerir las palabras correctas para ayudar a los cuidadores a aprender cómo apoyar mejor a sus hijos durante las sesiones de tarea.
El CCST trabaja de la mano con un sistema de tutoría que ayuda a los niños a resolver problemas de matemáticas. A medida que los estudiantes avanzan en estos problemas, el CCST proporciona a los cuidadores sugerencias de mensajes que pueden enviar a sus hijos. Estas sugerencias pueden ir desde mensajes motivacionales hasta instrucciones específicas que guían a los estudiantes a través de la resolución de un problema de matemáticas.
Imagina a un cuidador recibiendo una recomendación de mensaje que dice: "Pídele a tu hijo que explique lo que está pensando", en lugar de simplemente decir: "Inténtalo de nuevo". Este tipo de apoyo puede marcar una gran diferencia. La herramienta puede ajustar sus recomendaciones según cómo le esté yendo al niño, qué acaban de intentar y si están luchando con conceptos específicos.
Apoyo a cuidadores: El porqué y el cómo
Hay muchas razones por las que los cuidadores pueden tener dificultades con el apoyo de tareas. Uno de los problemas más grandes es que muchos cuidadores se sienten desconectados del material que están aprendiendo sus hijos. Los planes de estudio modernos pueden ser confusos y lo que los cuidadores aprendieron en la escuela puede no aplicarse hoy. Esta brecha de conocimiento puede dificultar que los cuidadores se sientan cómodos brindando apoyo.
Investigaciones muestran que si los cuidadores tienen un mejor entendimiento de lo que sus hijos están aprendiendo, pueden proporcionar un apoyo más efectivo. Un sistema ideal ofrecería consejos y recordatorios sobre estrategias efectivas de tutoría. Desafortunadamente, la mayoría de los sistemas actuales solo ofrecen notificaciones generales y no brindan a los cuidadores el apoyo directo que necesitan durante las sesiones de tarea.
Para cerrar esta brecha, los investigadores han estudiado cómo proporcionar apoyo instruccional a los cuidadores. Al dar a los cuidadores ideas personalizadas sobre cómo pueden ayudar a sus hijos, sistemas como el CCST pueden hacer una diferencia real. El objetivo es ayudar a los cuidadores a sentirse más seguros y efectivos durante el proceso de tareas.
Soporte conversacional y su importancia
El soporte conversacional es crucial en la educación. Cuanto mejor sea la comunicación, más productiva será la experiencia de aprendizaje. Cuando los cuidadores y los niños conversan durante la tarea, puede guiar al niño a través del proceso de resolución de problemas. Si los niños reciben retroalimentación inmediata, pueden aprender y adaptar su pensamiento en tiempo real.
Gracias a los avances en tecnología, los Modelos de Lenguaje Grandes (LLM) pueden ofrecer este tipo de apoyo. Estos modelos pueden ayudar con varias tareas educativas, incluyendo proporcionar retroalimentación y participar en diálogos significativos. Cuanto más efectiva sea esta comunicación, mejor aprenderá el niño.
El potencial de los modelos de lenguaje grandes
Los modelos de lenguaje grandes han mostrado un gran potencial en diversas aplicaciones educativas. Por ejemplo, pueden ayudar a proporcionar retroalimentación automatizada sobre escritura o ayudar a los educadores a dar lecciones. Sin embargo, hay preocupaciones sobre su precisión, ya que los LLM a veces pueden generar contenido incorrecto o engañoso.
Para hacer que los LLM sean más efectivos en contextos educativos, los investigadores sugieren usar un método llamado Generación Aumentada por Recuperación (RAG). Este enfoque permite que los LLM extraigan información relevante de fuentes confiables, asegurando que el contenido que generan se alinee con principios educativos sólidos. Al fundamentar el soporte de chat en información de calidad, los cuidadores reciben mensajes que los guían con precisión.
Diseñando la herramienta de soporte conversacional para cuidadores
El CCST está diseñado para ayudar a los cuidadores en tiempo real. Incorpora estrategias instruccionales y aprovecha datos del sistema de tutoría para proporcionar orientación durante la tarea. Cuando un niño está usando un sistema de tutoría, el CCST brinda recomendaciones de mensajes personalizados que los cuidadores pueden usar para involucrar mejor a sus hijos.
El CCST funciona monitoreando las interacciones de los niños con el sistema de tutoría. Si el niño comete un error, por ejemplo, el CCST genera un mensaje que le sugiere al cuidador que le pida al niño que reflexione sobre su respuesta. Es como tener un asistente a tu lado, susurrándote al oído: "¡Pregúntale qué estaba pensando!"
La herramienta también permite a los cuidadores ver en qué están trabajando sus hijos. Esta vista en tiempo real permite a los cuidadores proporcionar apoyo contextual, haciendo que su ayuda sea más relevante y oportuna. En lugar de sentirse perdidos, los cuidadores pueden convertirse en participantes activos en el proceso de aprendizaje de sus hijos.
El diseño del CCST y sus características
El CCST consta de varios componentes clave que ayudan a los cuidadores a apoyar a sus hijos de manera efectiva. Las características principales incluyen:
-
Monitoreo en tiempo real: El CCST rastrea el progreso del niño en el sistema de tutoría, proporcionando a los cuidadores información sobre en qué está trabajando el niño y dónde podría estar teniendo dificultades.
-
Recomendaciones de mensajes: Basado en el compromiso y la precisión del niño, el CCST genera sugerencias de mensajes de chat. Esto permite a los cuidadores enviar mensajes que probablemente resonarán más con su hijo y facilitarán el aprendizaje.
-
Contexto instruccional: La herramienta utiliza datos del sistema de tutoría para asegurar que las recomendaciones estén fundamentadas en lo que el niño está intentando actualmente. Esto asegura que los mensajes sean relevantes para la sesión de tarea en curso.
-
Vistas de caminos de solución de problemas: Los cuidadores pueden ver los próximos pasos sugeridos para resolver problemas, permitiéndoles guiar a sus hijos de manera más efectiva a través del contenido.
Retroalimentación de los cuidadores
A medida que se probó el CCST, los cuidadores brindaron valiosa retroalimentación sobre sus características. Muchos notaron que recibir apoyo a nivel de contenido era más beneficioso que los mensajes motivacionales. Prefieren consejos que ayuden directamente a sus hijos a entender y comprometerse con el material en lugar de meros ánimos vagos.
Un aspecto que los cuidadores encontraron especialmente útil fue cuando la herramienta impulsó a sus hijos a explicar sus procesos de pensamiento. Este tipo de cuestionamiento ayuda a los cuidadores a ver dónde su hijo podría estar teniendo dificultades mientras fomenta un pensamiento más profundo. Es como convertir una conversación regular en una mini-sesión de aprendizaje.
Los cuidadores también notaron la importancia de la claridad en los mensajes. Preferían mensajes cortos y concisos en lugar de largos, que podrían resultar abrumadores durante las sesiones de tutoría en vivo. Este feedback es esencial para refinar la herramienta y hacerla aún más fácil de usar.
Abordando la retroalimentación técnica
Los cuidadores proporcionaron comentarios sobre varios aspectos técnicos del CCST. Por ejemplo, aunque muchos apreciaron las recomendaciones de mensajes, algunos encontraron que a veces eran un poco lentas, especialmente cuando estaban en medio de ayudar a su hijo.
Otros señalaron que, aunque los mensajes eran útiles, el tono a veces se sentía artificial. Un tono amistoso y humano puede hacer mucho para que el apoyo parezca genuino. Es importante que los mensajes no solo transmitan información, sino que también se ajusten de manera natural a cómo los cuidadores suelen comunicarse con sus hijos.
La gran imagen: Fusionando LLMs y sistemas de tutoría
El objetivo de fusionar LLMs con sistemas de tutoría es crear un ambiente de aprendizaje más solidario y atractivo. Al proporcionar a los cuidadores las herramientas adecuadas, soporte en chat y conocimientos en tiempo real, los niños pueden beneficiarse de una asistencia para tareas más efectiva. A medida que los cuidadores ganan confianza en sus habilidades para ayudar, los estudiantes también pueden involucrarse más en su aprendizaje.
Más allá de las matemáticas, este enfoque puede aplicarse a varias materias educativas. A medida que la tecnología continúa evolucionando, probablemente surgirán formas más creativas de ayudar a los cuidadores a apoyar a sus hijos. Esto podría incluir áreas como ciencia, historia o incluso escritura creativa. Los principios establecidos a través del CCST pueden guiar desarrollos futuros.
Conclusión
El papel de los cuidadores en la educación de sus hijos es vital, y encontrar nuevas formas de apoyarlos es clave para mejorar los resultados de los estudiantes. Con herramientas como el CCST, la tecnología puede cerrar brechas de conocimiento y mejorar la experiencia de aprendizaje para todos los involucrados.
Ya sea un recordatorio amistoso para pedirle a su hijo una autoexplicación o darles las palabras correctas para decir durante un problema de matemáticas complicado, los cuidadores pueden ser empoderados para proporcionar un mejor apoyo. El futuro se ve brillante para la tutoría híbrida y las muchas posibilidades que trae consigo. ¿Quién hubiera pensado que un poco de magia tecnológica podría convertir el tiempo de tareas en una historia de éxito llena de risas?
Fuente original
Título: Combining Large Language Models with Tutoring System Intelligence: A Case Study in Caregiver Homework Support
Resumen: Caregivers (i.e., parents and members of a child's caring community) are underappreciated stakeholders in learning analytics. Although caregiver involvement can enhance student academic outcomes, many obstacles hinder involvement, most notably knowledge gaps with respect to modern school curricula. An emerging topic of interest in learning analytics is hybrid tutoring, which includes instructional and motivational support. Caregivers assert similar roles in homework, yet it is unknown how learning analytics can support them. Our past work with caregivers suggested that conversational support is a promising method of providing caregivers with the guidance needed to effectively support student learning. We developed a system that provides instructional support to caregivers through conversational recommendations generated by a Large Language Model (LLM). Addressing known instructional limitations of LLMs, we use instructional intelligence from tutoring systems while conducting prompt engineering experiments with the open-source Llama 3 LLM. This LLM generated message recommendations for caregivers supporting their child's math practice via chat. Few-shot prompting and combining real-time problem-solving context from tutoring systems with examples of tutoring practices yielded desirable message recommendations. These recommendations were evaluated with ten middle school caregivers, who valued recommendations facilitating content-level support and student metacognition through self-explanation. We contribute insights into how tutoring systems can best be merged with LLMs to support hybrid tutoring settings through conversational assistance, facilitating effective caregiver involvement in tutoring systems.
Autores: Devika Venugopalan, Ziwen Yan, Conrad Borchers, Jionghao Lin, Vincent Aleven
Última actualización: 2024-12-16 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2412.11995
Fuente PDF: https://arxiv.org/pdf/2412.11995
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.