给课堂对话贴标签，AI得让人看得出它凭什么

AI 导读

EduBehaviors框架不只让模型直接给课堂话语贴标签，而先识别可观察行为，再训练分类器。TalkMoves数据上的最佳宏F1为0.673、Kappa为0.688，方法与直接提示性能相近，但更易审计。

推荐理由

Reviewed Edu@AI import

正文

研究团队提出EduBehaviors，用来标注课堂对话中的教学行为。与直接让大模型给一句话贴抽象标签不同，框架先测量重复出现、可观察的行为，再用这些行为预测教师TalkMoves类别，试图让标签理由更可核查。

在TalkMoves数据集上，最佳配置宏平均F1为0.673、Cohen’s κ为0.688，与直接提示法表现相近。它让研究者能检查模型依赖了哪些行为线索，但这个分数仍有不少误差，也没有证明标注会改善课堂教学。贡献主要在研究方法的可审计性，而非学生学习效果。