Resumen: Los grandes modelos lingüísticos pueden adaptar cada vez más las tareas educativas a las características de los alumnos. En el presente estudio, examinamos un sistema Teacher-in-The-Loop de múltiples agentes para personalizar los problemas de matemáticas de la escuela secundaria. El profesor introduce un problema base y un tema deseado, el LLM genera el problema y luego cuatro agentes de IA evalúan el problema utilizando criterios en los que cada uno se especializa (precisión matemática, autenticidad, legibilidad y realismo). Ocho profesores de matemáticas de secundaria crearon 212 problemas en ASSISTments utilizando el sistema y asignaron estos problemas a sus alumnos. Descubrimos que tanto los profesores como los estudiantes querían modificar los elementos personalizados detallados del contexto del mundo real de los problemas, señalando los problemas con autenticidad y ajuste. Aunque los agentes detectaron muchos problemas con el realismo mientras se escribían los problemas, los profesores y estudiantes notaron pocos problemas de realismo en las versiones finales. Los problemas de legibilidad y las alucinaciones matemáticas también eran algo raros. Se dan las implicaciones para los sistemas multiagente de personalización que apoyan el control docente.
Publicado originalmente en export.arxiv.org el 14 de abril de 2026.
Ver fuente original
