Migliorare la scrittura procedurale attraverso il recupero personalizzato di esempi: un caso di studio sulle ricette di cucina

Abstract degli autori

Scrivere testi procedurali di alta qualità è un compito impegnativo per molti apprendenti. Sebbene l’apprendimento basato su esempi si sia dimostrato promettente come approccio al feedback, emerge un limite quando tutti gli apprendenti ricevono gli stessi contenuti, senza tenere conto dei loro input individuali o delle loro conoscenze pregresse. Di conseguenza, alcuni faticano a comprendere il feedback o a sentirlo pertinente, e lo ritengono ridondante e poco utile. Per affrontare questo problema, presentiamo RELEX, un sistema di apprendimento adattivo progettato per migliorare la scrittura procedurale attraverso l’apprendimento personalizzato basato su esempi. Il cuore del sistema è una pipeline di recupero degli esempi articolata in più fasi, che seleziona per ciascun apprendente un esempio di qualità superiore e pertinente al contesto sulla base del suo input specifico. Abbiamo implementato il sistema nell’ambito delle ricette di cucina. In particolare, sfruttiamo un Large Language Model sottoposto a fine-tuning per prevedere il punteggio di qualità della ricetta di cucina dell’apprendente. In base a questo punteggio, recuperiamo ricette di qualità superiore da un vasto database di oltre 180.000 ricette. Applichiamo quindi BM25 per selezionare in tempo reale la ricetta semanticamente più simile. Infine, usiamo conoscenze specifiche del dominio ed espressioni regolari per arricchire la ricetta d’esempio selezionata con spiegazioni didattiche personalizzate. Valutiamo RELEX in uno studio controllato 2 × 2 (esempi personalizzati rispetto a non personalizzati, prompt di riflessione rispetto all’assenza di prompt) con 200 partecipanti. I nostri risultati mostrano che fornire esempi su misura contribuisce a migliorare le prestazioni di scrittura e l’esperienza utente.