在反思中反思：将苏格拉底提问框架整合到基于人工智能的自动问题生成中

设计良好的反思问题是教学中的重要环节，但耗时且教师支持不均。本文提出一种基于大语言模型（LLMs）的反思-反思框架，用于自动生成反思问题。该方法协调两个角色专门化的代理——学生教师和教师教育者，通过苏格拉底式的多轮对话，根据教师指定的主题、关键概念、学生水平和可选教学材料逐步优化单个问题。学生教师提出候选问题并附上简要理由，而教师教育者则从清晰度、深度、相关性、参与度和概念联系等方面进行评估，并仅以针对性的指导问题或固定信号结束对话。研究在真实的初中信息技术环境中进行了验证，使用GPT-4o-mini作为主模型，并采用更强的GPT-4-class LLM作为外部评估器，在清晰度、相关性、深度和整体质量方面进行成对比较。结果表明，动态停止机制结合上下文信息显著优于固定的5步或10步优化，过长的对话容易偏离或过度复杂化。此外，双代理协议生成的问题在相关性和深度方面明显优于单次生成的基线方法。