ConvoLearn：建构主义师生对话数据集

在教育应用中，大语言模型表现出一些基本的教学局限性，例如它们倾向于揭示解决方案而不是支持对话学习。我们介绍了 ConvoLearn (https://huggingface.co/datasets/masharma/convolearn )，这是一个基于知识构建理论的数据集，可操作六个核心教学维度：认知参与、形成性评估、问责制、文化响应性、元认知和权力动态。我们通过人类教师和模拟学生之间的受控互动，构建了中学地球科学中 1250 场师生对话（每场 20 回合）的半合成数据集。使用 QLoRA，我们证明了对该数据集的训练有意义地将 LLM 行为转向知识构建策略。 31 名教师的人工评估显示，我们经过微调的 Mistral 7B（M = 4.10，SD = 1.03）总体上明显优于其基础版本（M = 2.59，SD = 1.11）和 Claude Sonnet 4.5（M = 2.87，SD = 1.29）。这项工作建立了一个潜在的框架来指导建构主义人工智能导师的未来发展和评估。