Öğretilebilir ajan
Model öğrenci rolünü sınırlı bir bilgi durumuyla sürdürsün; açıklayan sen ol.
- kullanım
- düzeyler
- basit · orta · ileri
- bağlar
- 3 yakın yöntem
- lisans
- CC BY 4.0 · Kartın açık kaynağını incele
Nedir?
Öğretilebilir ajan yaklaşımında insan, konuyu bir yapay öğrenciye öğretir. TeachYou içindeki AlgoBo, bilgi durumunu ve yanıt davranışını düzenleyen bir akış kullanır; sadece “bilmiyormuş gibi yap” cümlesinden daha kapsamlıdır. Model ağırlıkları bu sohbetle eğitilmiş olmaz.
Ne zaman işe yarar?
Bir kavramı öğretirken varsaydığınız bilgileri ve açıklamadaki boşlukları fark etmek için.
Örnekler
Aşağıdaki durumlar ve yanıtlar kurgusal öğretim örnekleridir; çalıştırılmış model, araç veya benchmark sonuçları değildir.
Basit (Simple)
Durum
Döngünün ne yaptığını yapay bir öğrenciye anlatacaksınız.
Prompt
Prompt
İnsan öğretmen; model öğrenci benzetimi. Bu, tam TeachYou sistemi değil, sınırlı sohbet uyarlaması.
Bilgi durumu: Listeyi biliyorsun, döngüyü henüz bilmiyorsun. Sana anlatmadığım kavramları biliyormuş gibi çözümleme. Benim açıklamam: "Döngü listedeki her öğe için aynı işi yapar."
Yalnız bu açıklamadan anladığını bir cümleyle söyle; ardından tek neden/nasıl sorusu sor. Cevabımı bekle. En fazla iki turda bilgi durumunda ne değiştiğini birlikte özetleyelim.Örnek çıktı
Öğrenci: “Her öğeye aynı işlem uygulanıyor. Liste boşsa kaç kez çalışır?” İnsan: “Hiç çalışmaz.”
Ne elde ettik?
Öğreten kişi, açıklamasına sınır durumunu eklemek zorunda kaldı.
Orta (Medium)
Durum
Öğrenci benzetimi, öğretmenin söylediğinden fazlasını biliyormuş gibi davranmamalı.
Prompt
Prompt
Uygulama durumu: bilinenler=[liste, döngü], açık_kavramlar=[koşul], öğretilenler=[].
İnsan açıklaması: "Pozitif sayıları seçmek için her sayının sıfırdan büyük olup olmadığına bakarız."
Aşama 1, ayrı model çağrısı: Bu açıklamanın hangi kavramı öğrettiğini ve hangi belirsizliği bıraktığını kısa durum önerisi yap.
Denetleyici onaylı durum güncellemesini saklasın. Aşama 2, ayrı yanıt çağrısı: Yalnız bu durumla öğrenci cevabı ver; sıfırın dahil olup olmadığını bir soruyla kontrol et.
İnsan yanıtından sonra bir tur daha yapılabilir; toplam 4 model çağrısında dur. Kaydedilmeyen durumun hatırlandığını iddia etme.Örnek çıktı
Öğrenci: “Sıfırdan büyük olanları alıyorum; sıfır dışarıda mı?” Öğretmen yanıtı sonraki bilgi kaydına eklenir.
Ne elde ettik?
Öğrenci rolü görünür durumla sınırlandı; bilginin nereden geldiği izlendi.
İleri (Hard)
Durum
Öğretenin bir yanlış genellemesi var; yardımcı kanal öğretimi desteklemeli.
Prompt
Prompt
Durumlu öğretilebilir ajan ve ayrı öğretim yardımcısı tasarla. Konu: listedeki en büyük sayıyı bulma. İnsan: "En büyük değer 0'dan başlatılır."
Öğrenci yanıt çağrısı, öğrendiği kuralla [-5,-2] listesini nasıl ele alacağını kısa biçimde söylesin; tam doğru çözümü dış bilgiden vermesin.
Ayrı yardımcı çağrı konuşmayı ve konu kuralını incelesin; öğretmene yalnız karşı örnek sorusu önerisi versin. Yardımcı mesajı öğrenci yanıtı diye sunma.
İnsan açıklamayı düzeltince durum güncellensin; yeni negatif listeyle öğretim kontrolü yapılsın. En fazla iki öğretim turu; son bağımsız insan alıştırması olmadan öğrenme kazanımı ilan etme.Örnek çıktı
Öğrenci 0 sonucuna yönelirse yardımcı öğretmene “Bütün sayılar negatifse başlangıç değeri ne olmalı?” sorusunu önerir.
Ne elde ettik?
Öğretmenin açıklamasındaki hata ve yardımcının rolü ayrı kanallarda görüldü.
Nerede durmalı?
Bir modelin öğrenci gibi konuşması gerçek bağımsız öğrenci veya ağırlık eğitimi değildir. AlgoBo’daki bilgi yoğun konuşma bulgusu son-test kazanımıyla karıştırılmamalı. Ayrı bir müzik eğitimi çalışmasının öğrenme sonucu da bu kodlama sisteminin sonucu değildir.
Kaynaklar
Teach AI How to Code: Using Large Language Models as Teachable Agents for Programming Education (yeni sekme) — Jin, Hyoungwook; Lee, Seonghee; Shin, Hyungyu; Kim, Juho. 2023-09-25; okunan sürüm 2024-03-11. Bilgi durumunu sınırlayan, Reflect–Respond ve soru davranışını düzenleyen TeachYou/AlgoBo akışını tanımlar; konuşma ölçütleri öğrenme testiyle aynı değildir. Kanıt düzeyi: özgün makalenin ilgili gövde bölümleri.
Exploring the Impact of an LLM-Powered Teachable Agent on Learning Gains and Cognitive Load in Music Education (yeni sekme) — Jin, Lingxi; Lin, Baicheng; Hong, Mengze; Zhang, Kun; So, Hyo-Jeong. 2025-04-01. Ayrı bir müzik eğitimi bağlamındaki öğretilebilir ajan çalışmasıdır; sonuçları AlgoBo’nun kodlama çalışmasına taşınmaz. Kanıt düzeyi: özgün makalenin ilgili gövde bölümleri.
Görselin üretim bilgisi
Google Gemini ile üretilen özgün illüstrasyon · 1024 × 572
Generate an image: Create an original physically believable volumetric mineral sculpture photographed as a museum installation, horizontal 16:9. Deep anthracite void, porcelain mineral whites, restrained ice-blue and amber accents, fine structural particles, tactile surfaces, soft volumetric light, realistic depth and deliberate negative space. An empty small mineral scaffold receives only selected blocks from a larger reference shelf; unfilled sockets remain visibly open and point back toward the teacher shelf. No text, letters, numerals, logo, watermark, user interface, fake charts, identifiable people, or imitation of a particular artist. Depict the specified mechanism clearly; avoid generic clouds. One coherent original illustration.