TL;DR
PATS — фреймворк, который подбирает педагогическую стратегию LLM-тьютора под личностный тип студента. Исследователи создали таксономию из 17 стратегий обучения, привязанных к модели Big Five (OCEAN): экстраверсия, доброжелательность, добросовестность, нейротизм, открытость опыту. Для каждого типа личности (высокий/низкий уровень черты) определены эффективные стратегии на основе литературы по педагогике.
Проблема: LLM-тьюторы используют одну стратегию для всех — вопрос-ответ, независимо от личности студента. Анализ 281 диалога из реального класса (110 студентов, GPT-4o как тьютор) показал: одинаковый подход → низкое вовлечение. Экстраверты нуждаются в дружелюбном тоне и ролевых играх, интроверты — в выборе из вариантов и времени на размышление, тревожные студенты (высокий нейротизм) — в нормализации ошибок и поддержке. Несовпадение стратегии и типа личности снижает эффект обучения.
PATS решает это через двухшаговый процесс: Strategizer выбирает черту личности и стратегию из таксономии, Responder реализует стратегию в диалоге. Strategizer берёт историю разговора, определяет какая черта сейчас важна (по Теории активации черт — разные грани личности активируются в разных ситуациях), выбирает 1-2 стратегии из списка, объясняет как их применить. Responder получает план и генерирует ответ. Учителя-люди предпочли PATS в 60-70% случаев, особенно по мотивации, эмпатии и проактивности. PATS использовал больше разнообразных стратегий (ролевые игры 11.7%, мотивация 38.4%), а не только вопросы-ответы.
Схема метода
Оригинальный PATS (двухкомпонентная система):
STRATEGIZER (планирование):
ШАГ 1: Выбор черты → определяет какая из Big Five важна сейчас
ШАГ 2: Выбор стратегии → берёт 1-2 из списка под эту черту
ШАГ 3: План реализации → объясняет КАК применить
RESPONDER (ответ):
Получает: задача + история диалога + личность + план стратегии
→ Генерирует ответ студенту
Проверка: стратегия завершена? → Новая стратегия или конец диалога
Упрощённая версия для чата (extractable principle):
Один промпт: личность студента + стратегия из таксономии
→ LLM адаптирует стиль
Таксономия стратегий по типам личности
Это ядро исследования — готовая карта применимая сразу.
Открытость опыту (Openness)
Высокая: Любопытный, креативный, открыт новому - Real-World Relevance — связь с реальными примерами - Task Variety — разнообразие форматов задач
Низкая: Предпочитает рутину, структуру - Structured Direct Instruction — чёткие инструкции - Step-by-Step Scaffolding — пошаговая поддержка
Добросовестность (Conscientiousness)
Высокая: Организованный, дисциплинированный - Progress Tracking — отслеживание прогресса - Motivational Encouragement — мотивационные подсказки - Metacognitive Prompts — вопросы про мышление (_"Как ты решил это?"_)
Низкая: Легко отвлекается, нужна структура - Step-by-Step Scaffolding — разбивка на мелкие шаги - Gamified Learning — игровые элементы - Frequent Low-Stakes Quizzing — короткие мини-тесты для сброса внимания
Экстраверсия (Extraversion)
Высокая: Общительный, энергичный - Friendly Tone — дружелюбный тон - Playful Role-Play — ролевые игры (_"Представь, что объясняешь другу..."_)
Низкая: Неохотно вступает в диалог, нужно время - Choice-Based Dialogs — выбор из вариантов вместо открытых вопросов - Motivational Encouragement — поддержка без давления
Доброжелательность (Agreeableness)
Высокая: Открытый, вовлечённый - Collaborative Peer Teaching — совместное обучение, примеры помощи другим
Низкая: Незаинтересованный, несговорчивый - Structured Direct Instruction — структура и чёткие рамки - Choice-Based Dialogs — автономия в границах - Efficient Communication — коротко и по делу - Simulated Social Scenario — социальные сценарии
Нейротизм (Neuroticism)
Высокий: Тревожный, эмоционально нестабильный - Motivational Encouragement — эмоциональная поддержка - Structured Direct Instruction — предсказуемость снижает тревогу - Normalize Errors — нормализация ошибок (_"Ошибки помогают расти. Попробуем ещё раз?"_)
Низкий: Уверенный, стабильный - Task Variety — разнообразие задач - Solo First Then Support — автономия, помощь по запросу (_"Попробуй сам, я помогу если нужно"_)
Пример применения
Задача: Учишь ребёнка 3 класса описывать картинки. Ребёнок — интроверт (Low Extraversion), немного тревожный (High Neuroticism).
Промпт:
Ты учитель для ребёнка 3 класса. Мы учимся описывать картинки.
Особенности ребёнка:
- Интроверт (Low Extraversion): неохотно вступает в разговор, нужно время подумать
- Тревожный (High Neuroticism): боится ошибиться, нужна поддержка
Используй стратегии:
1. Choice-Based Dialogs — давай выбор из вариантов вместо открытых вопросов
2. Motivational Encouragement — поддерживай без давления
3. Normalize Errors — говори что ошибки нормальны
Картинка: [кот на дереве]
Начни диалог с ребёнком.
Результат: LLM начнёт с закрытого вопроса ("Видишь животное на картинке?") вместо открытого ("Опиши что видишь"). После ответа даст выбор: "Как думаешь, кот забрался сам или его кто-то посадил?" Если ребёнок ошибётся — поддержит: "Хорошая попытка! Давай посмотрим внимательнее..." Не будет форсировать длинные рассуждения — даст время и структуру.
Почему это работает
Слабость LLM: Модель по умолчанию использует универсальный стиль общения — чаще всего вопрос-ответ. Это работает для части студентов (организованных экстравертов), но не учитывает индивидуальные различия. Экстраверт и интроверт по-разному реагируют на открытые вопросы: первый вовлекается, второй закрывается.
Сильная сторона LLM: Модель отлично симулирует разные стили общения если дать чёткие инструкции. Она может быть дружелюбной, структурированной, игровой — любой. Она понимает педагогические стратегии из обучающих данных (ролевые игры, нормализация ошибок, мотивационные фразы).
Как метод использует это: PATS даёт модели явную карту личность → стратегия на основе педагогической литературы. Вместо "угадывай что подойдёт" модель получает: "Студент Low Extraversion — используй выбор из вариантов, не дави". Модель следует инструкции и генерирует текст в нужном стиле.
Рычаги управления для читателя: - Комбинировать стратегии — одна черта может активироваться сильнее в конкретной ситуации. Если задача сложная и студент тревожный — акцент на Normalize Errors + Scaffolding. - Менять интенсивность — "используй дружелюбный тон" vs "будь очень эмоционально поддерживающим". - Адаптировать под возраст/контекст — ролевые игры работают для детей, для взрослых — реальные кейсы (Real-World Relevance).
Шаблон промпта
Ты {роль: учитель/ментор/коуч} для {описание студента: возраст, уровень, контекст}.
Личность студента:
- {Черта 1}: {уровень} — {краткое описание поведения}
- {Черта 2}: {уровень} — {краткое описание поведения}
Используй стратегии:
1. {Стратегия 1 из таксономии} — {как применять}
2. {Стратегия 2 из таксономии} — {как применять}
Задача: {что нужно сделать}
{Контекст или материал: текст, картинка, вопрос}
{Дополнительные инструкции: начни диалог / ответь на вопрос / дай обратную связь}
Как заполнить:
- {роль} — учитель, ментор, коуч, консультант
- {описание студента} — возраст, уровень знаний, контекст (школа, работа, хобби)
- {Черта} — выбери из Big Five: Openness, Conscientiousness, Extraversion, Agreeableness, Neuroticism
- {уровень} — High или Low
- {Стратегия} — выбери из таблицы таксономии выше под эту черту
- {задача} — что конкретно делаем (учим описывать картинки, разбираем код, готовимся к презентации)
🚀 Быстрый старт — вставь в чат:
Вот таксономия педагогических стратегий под типы личности (PATS).
Адаптируй под мою задачу: [твоя задача обучения].
Сначала задай мне вопросы чтобы определить:
1. Мой тип личности (или студента) по Big Five
2. Контекст обучения
3. Конкретную задачу
Потом создай промпт используя таксономию из исследования.
[вставить таблицу таксономии из секции выше]
LLM спросит про твои черты личности (или студента), про задачу обучения, про желаемый формат — потому что стратегия зависит от комбинации этих факторов. Она возьмёт таксономию и создаст промпт с правильными стратегиями.
Почему это работает (дополнительно)
Теория активации черт: Не все черты личности активны постоянно. В зависимости от ситуации проявляются разные грани. Тревожный студент может быть уверенным в знакомой теме, но закрыться в новой. PATS учитывает это — выбирает черту актуальную сейчас, в текущем моменте диалога.
Почему разнообразие стратегий важно: Исследование показало — LLM-тьюторы застревают в одном паттерне (Q&A). PATS заставляет модель использовать недооценённые стратегии с высоким эффектом: ролевые игры (11.7% в PATS vs почти 0% в базовых), мотивационные подсказки (38.4%), дружелюбный тон (10.6%). Учителя-люди оценили эти стратегии значимо выше по вовлечённости и эмпатии.
Почему явные инструкции лучше неявных: Baseline "personality prompt" получал описание личности, но не получал стратегии. Модель должна была сама догадаться что делать. PATS даёт явную связь личность → стратегия → реализация. Это как разница между "студент интроверт" и "студент интроверт → используй выбор из вариантов, не дави". Вторая инструкция конкретна и действенна.
Ограничения
⚠️ Нужен тест личности: Чтобы применить таксономию, нужно знать свой тип (или студента) по Big Five. Можно пройти онлайн-тест (44 вопроса), но это дополнительный шаг. Без теста можно действовать по наблюдениям — но менее точно.
⚠️ Не для простых вопросов: Стратегии ориентированы на обучающий диалог (развитие навыков, понимание концепций), не на быстрые фактические ответы. Для "столица Франции" это избыточно.
⚠️ Культурные различия: Таксономия основана на западной педагогической литературе. В других культурах эффективность стратегий может отличаться (например, отношение к ошибкам, групповой работе).
⚠️ Возрастная специфика: Исследование тестировали на студентах 16-21 год и детях 3 класса. Для дошкольников или пожилых людей может потребоваться адаптация стратегий.
⚠️ Субъективность черт: Big Five даёт общую картину, но личность динамична и зависит от контекста. Один и тот же человек может быть экстравертом с друзьями и интровертом на работе.
Как исследовали
Исследователи начали с реального класса: 110 студентов (16-21 год) в итальянской школе использовали GPT-4o как тьютора по языку в течение месяца. Студенты прошли Big Five тест (44 вопроса, шкала 1-5). Команда проанализировала 281 анонимизированный диалог. Открытие: тьютор использовал один паттерн (вопрос-ответ) для всех личностей, вовлечённость низкая.
Затем создали таксономию из педагогической литературы: какие стратегии работают для каких типов личности. Отфильтровали стратегии применимые в диалоге один-на-один (исключили групповые, требующие физического присутствия). Получили 17 стратегий для 10 комбинаций черт.
Для тестирования симулировали 1920 диалогов: 2 задачи (описание картинок + сочинение историй) × 32 профиля личности × 10 предметов × 3 системы (PATS + 2 baseline). Baseline: (1) простой промпт без личности, (2) промпт с личностью но без стратегий. Студентов симулировали через LLM с профилями личности.
Почему симуляции, а не люди? Контролируемый эксперимент, широкий охват профилей личности (32 комбинации), экономия времени/денег, меньше этических проблем (тесты личности — чувствительные данные). Но валидацию делали люди: 4 учителя с педагогическим образованием оценили 40 диалогов по 5 критериям (мотивация, соответствие личности, проактивность, вовлечённость, эмпатия).
Результаты удивили: PATS выиграл в 60-70% случаев у обоих baseline по оценкам и LLM, и людей. Самый сильный эффект — в эмоциональных измерениях (мотивация, эмпатия), не в фактической точности. Это логично: стратегии про КАК общаться, не про ЧТО говорить. Учителя особенно оценили появление редких стратегий: ролевые игры использовались почти никогда в baseline, но 11.7% в PATS — и учителя считали их эффективными.
Проверка качества реализации: 3 автора вручную проверили 100 случайных диалогов — 94.6% успех в реализации выбранной стратегии. Cohen's kappa (согласованность аннотаторов) высокая. То есть модель не просто "знает" стратегии — она их применяет в диалоге.
Неожиданная находка: High Agreeableness (доброжелательность) почти никогда не выбиралась Strategizer как приоритетная черта (см. Figure 2). Возможно, в учебных ситуациях эта черта менее релевантна чем тревожность или экстраверсия — или стратегии для неё менее выражены в диалоге.
Адаптации и экстраполяции
🔧 Упрощённая версия без двух компонентов
Оригинальный PATS использует Strategizer + Responder (два последовательных вызова LLM). Для повседневного использования можно объединить в один промпт:
Ты учитель. Студент: {описание личности}.
На основе его личности выбери и примени подходящую стратегию
из этого списка: {стратегии из таксономии}.
В начале каждого ответа коротко укажи какую стратегию используешь
и почему.
Задача: {задача}
Эффект: Экономия токенов и упрощение workflow. Модель сама выбирает стратегию и сразу применяет. Минус — меньше контроля и прозрачности.
🔧 Для взрослого обучения — замена игровых стратегий
Таксономия ориентирована на детей/подростков. Для корпоративного обучения или менторства взрослых:
Заменить: - Playful Role-Play → Professional Case Studies (кейсы из практики) - Gamified Learning → Progress Milestones (вехи прогресса) - Friendly Tone → Respectful Partnership Tone (тон равного партнёра)
Пример промпта для менторства:
Ты ментор для middle-разработчика, который думает о переходе в менеджмент.
Личность:
- High Conscientiousness — организованный, любит планировать
- Low Extraversion — избегает больших выступлений
Стратегии:
1. Progress Milestones — разбей путь в менеджмент на этапы с чек-поинтами
2. Choice-Based Dialogs — предлагай варианты вместо "ты должен"
3. Real-World Relevance — используй кейсы из российского IT
Задача: помоги составить план развития на 6 месяцев.
🔧 Динамическая адаптация — стратегия меняется по ходу
В оригинале Strategizer выбирает одну черту на раунд диалога. Можно попросить модель переключаться при изменении контекста:
Ты учитель. Студент: {личность}.
Адаптируй стратегию динамически:
- Если студент отвлёкся → используй Scaffolding (разбивка на шаги)
- Если студент нервничает → Normalize Errors (нормализация ошибок)
- Если студент вошёл в поток → Solo First (дай автономию)
Укажи в [скобках] когда меняешь стратегию и почему.
Эффект: Более гибкий диалог, реагирующий на состояние студента в моменте.
🔧 Мета-рефлексия — попроси модель объяснить выбор стратегии
Для обучения самих учителей или понимания логики:
После каждого ответа студенту добавь блок [РЕФЛЕКСИЯ]:
- Какая черта личности активна сейчас
- Какую стратегию применил
- Почему она подходит в этой ситуации
- Какие альтернативы были
Эффект: Модель становится обучающим инструментом для педагогов, показывая связь личность → стратегия → реализация на практике.
Ресурсы
Исследование: PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors
Код и данные: github.com/donya-rooein/PATS (MIT license)
Демо: donya-rooein.github.io/PATS/demo.html
Релевантная литература из исследования: - Big Five Theory (McCrae & Costa, 1999) — модель личности OCEAN - Trait Activation Theory (Tett et al., 2021) — разные черты активируются в разных ситуациях - Педагогические стратегии по типам личности: Busato et al. (1998), Komarraju & Karau (2005), Agler et al. (2020)
Авторы: Donya Rooein, Sankalan Pal Chowdhury, Mariia Eremeeva (ETH Zurich), Yuan Qin (University of Zurich), Debora Nozza, Mrinmaya Sachan, Dirk Hovy (Bocconi University)