การศึกษาชิ้นนี้มุ่งแก้ปัญหาข้อจำกัดของ AI ผู้ช่วยสอน (AI Teaching Assistant) ที่ใช้โมเดลภาษาขนาดใหญ่ (LLM) ซึ่งมักขาดการปรับเนื้อหาให้เข้ากับผู้เรียนรายบุคคล โดยทีมนักวิจัยได้พัฒนาเฟรมเวิร์กการใช้ Prompt Engineering ที่สามารถปรับการทำงานของ AI เช่น Jill Watson ให้รองรับความต้องการที่หลากหลายในหลายวิชา
หัวใจสำคัญของระบบคือการวิเคราะห์ผู้เรียนผ่าน 6 มิติ เช่น ความชอบในการสรุปเนื้อหา รูปแบบการประมวลผลข้อมูล และระดับความเข้าใจ ซึ่งสามารถสร้างโปรไฟล์ผู้เรียนที่แตกต่างกันได้ถึง 96 รูปแบบ นอกจากนี้ยังมีการใช้ Bloom's Taxonomy เพื่อประเมินความซับซ้อนทางพุทธิปัญญาของคำถามนักเรียนแบบเรียลไทม์ เพื่อให้ AI ปรับระดับการตอบได้อย่างเหมาะสม โดยทั้งหมดนี้ทำงานผ่านการออกแบบโครงสร้าง Prompt โดยไม่จำเป็นต้องปรับแก้พารามิเตอร์ของโมเดล (Retraining)
