StuBot: Learning by Teaching a Conversational Agent through Adaptive Feedback

Abstract

Learning by teaching is a teaching method that enables students to teach others, and its positive effects have been studied from diverse perspectives such as learning comprehension or communication. Some earlier studies proposed interactive systems with virtual agents for learning by teaching. However, these studies mainly focused on structured interactions (e.g., selecting the following dialogue) that could limit feedback on the user’s teaching. This paper proposes StuBot, a text-based conversational agent that provides adaptive feedback for learning by teaching. StuBot first asks the users to teach the learning content by summarizing and explaining it in their own words. After the users inputted the explanation text for teaching, StuBot uses a machine reading comprehension (MRC) engine to provide adaptive feedback with further questions about the insufficient parts of the explanation text. We conducted a within-subject study to evaluate the effectiveness of adaptive feedback by StuBot. Both the quantitative and qualitative results showed that learning by teaching with adaptive feedback can improve learning performance, immersion, and overall experience. |가르침으로써 배우는 학습법은 학생들이 다른 사람들을 가르칠 수 있도록 하는 학습법으로 학습 이해도나 의사소통 능력 등 다양한 관점에서 긍정적인 효과들을 나태내고 있습니다. 이와 관련된 사전 연구들에서는 가상 에이전트 를 이용한 상호작용 시스템을 통해 가르침으로써 배우는 학습법을 돕는 방법 을 제안했습니다. 하지만 이런 연구들은 주로 구조화된 상호작용 방식(예시: 설명할다음대화선택,빈칸채우기,버튼클릭등)을사용하여사용자의설 명에 대한 피드백을 주는 것에 한계가 있을 수 있습니다. 본 논문에서는 가르 침으로써 배우는 학습법을 위해 적응형 피드백을 제공하는 텍스트 기반 대화 에이전트인 StuBot을 제안합니다. StuBot은 먼저 사용자에게 학습한 내용을 요약하고 텍스트를 통해 사용자가 원하는 대로 설명하여 가르치기를 요청합니 다. 다음으로 StuBot은, 사용자가 가르치기 위한 설명 텍스트를 입력하면 MRC(Machine Reading Comprehension)엔진을 사용하여 설명 텍스트의 부족한 부분에 대한 추가 질문을 생성하여 사용자에게 물어봄으로써 적응형 피드백을 제공합니다. 우리는 StuBot이 제공하는 적응 피드백의 효과를 평가하기 위해 집단내비교실험을수행했습니다.양적및질적결과모두적응형피드백을 통한 가르침으로써 배우는 학습이 학습 성과, 몰입도 및 전반적인 학습 경험 을 향상시킬 수 있음을 보여주었습니다.