Mar, 2023

推动力的力量：在智能教学系统中探索元认知技能训练的三种干预方法

PDF
TL;DR这篇论文研究了如何通过干预方法来帮助学生学习如何在逻辑教学中使用最佳求解策略，并通过使用反向链接策略教授概率教程来比较干预效果。结果表明，教育干预方法 “Nudge” 能够提高学生的学习成绩。
deductive domainsproblem-solving strategylogic tutorbackward-chaininginterventions
发现论文，激发创造
  • 前向链与后向链相结合的元认知技能习得和迁移

    研究了在逻辑推理教学中混合使用正向连接和反向连接策略对提高非具备策略感知和时间感知能力的学生的效果。实验结果显示，在逻辑推理和概率教学中，经过该训练的学生表现出与具备策略感知和时间感知能力的学生相当的表现。

    Mar, 2023

  • 利用深度加强学习在智能辅导系统中进行元认知干预

    通过比较经典人工智能方法和深度强化学习方法在元认知干预方面的应用，本研究在两个学期内进行两项课堂实验证明，DRL 适应性干预对缩小学生元认知技能差距具有显著作用，而静态分类器的干预只有在事先了解如何使用逆向链策略的学生中才有益处。此外，本研究所涉及的 DRL 代理在两个 ITS 上令实验学生显着超越其对照组同学。

    Apr, 2023

  • 使用深度强化学习填补声明性、程序性和条件元认知知识之间的差距

    本研究使用了深度强化学习的方法，在智能辅助教学系统中为学生提供适应性元认知干预，从而填补了三种不同类型知识之间的差距，有效提高了学生的学习表现。

    Apr, 2023

  • 探究逆向策略学习对逻辑辅导的影响：帮助子目标学习以改善问题解决

    本文研究了一种在智能逻辑辅导员中教导学生如何倒退式思考策略，从而提高学生的分目标方法和解决问题的能力的培训策略，并分析了学生在培训过程中的经验，表现和证明建设方法。结果表明，训练了倒退式工作示例和解决问题的学生在独立解决新问题时表现更佳，而且在证明建设中推导出的分目标的效率也更高。

    Jul, 2022

  • 加强学生生产力模型以实现自适应问题解决援助

    本研究提出了一种基于数据驱动的方法来预测学生需要帮助的概率，并探讨了在逻辑证明等深度学科中，将学生的暗示使用情况纳入预测模型的有效性，结果表明这种主动适应的策略可以显著提高学生的学习效率和提高授课的质量。

    Jul, 2022

  • 教学前策略规划：具备自我精华提炼技术的对话式辅导系统

    本文提出了一种在教学策略预测和生成辅导响应之间进行联合预测的方法，并选择了若干个对话辅导数据集进行基准测试，最终提出了一种统一框架，该框架将教学响应生成和学术策略预测相结合，并采用了自身蒸馏机制来指导教学策略学习和促进辅导响应生成。通过实验和分析，揭示了教学策略对话式辅导的影响。

    Feb, 2023

  • 基于效用的自适应教学策略：贝叶斯心智理论

    教师应根据学习者的需求调整他们的解释，借鉴了认知科学的思想，我们利用贝叶斯心智理论构建教师代理来优化教学策略，从而提高学习效率。

    Sep, 2023

  • 对齐教师话语以支持严格思维与学生内容掌握，预测数学成就

    本研究探讨了教学对话与学生的近距离知识如何相互作用，从而解释和预测学生的学习成果。研究结果表明，鼓励严谨思考的教学对话促进了学生在数学学习中的成就，而导师对学生的数学思想和贡献的重述对低程度的智能辅导系统掌握的学生起到了预测作用。

    May, 2024

  • 自动归纳学习默认理论的新算法

    本文通过递归找出反例中的模式，学习默认理论并提出了新的基于非单调逻辑编程形式的默认理论学习算法，实验证明相比基于归纳逻辑编程的传统方法，我们的算法具有显著优势。

    Jul, 2017

  • 多轮指导对话的归纳 - 演绎策略重用

    利用复杂对话流程的明确建模，从各种真实对话中提取高级策略并将其应用于新的对话情境，以产生多样化、深入和富有洞见的指示，以提高大型语言模型与人类期望的一致性。

    Apr, 2024