Jan, 2024

智能辅导系统中的性能提升和激励：结合机器学习和学习者选择

PDF
TL;DR大班级规模、个性化学习、智能辅导系统、学习进展和动机是该研究论文的关键词，该论文通过对 ZPDES 算法的研究，发现个性化学习的效果受到选择权力和学习动机的影响。
发现论文，激发创造
  • 智能教学系统的多臂赌博机

    本文介绍了一种智能辅导系统的方法，该系统根据学生特定的时间和动机资源，自适应地个性化地最大化学习活动序列，以提高学生的技能，利用了内在动机学习的最新模型，并运用多臂老虎机技术进行优化，同时基于专家知识来加速探索初始启动

    Oct, 2013

  • 建模异质学生教学策略的通用学徒学习框架

    提出了一种从具有异构奖励函数的优化或近优演示中诱导出有效教学策略的通用 AL 框架，并与四种基于 AL 的基准方法和两种基于 DRL 的策略在涉及教学行为预测的两个不同但相关任务上进行了对比，结果表明 EM-EDM 在所有性能指标上优于四种 AL 基准方法和两种 DRL 基准方法，能够通过管理大量连续状态空间并适应处理多样和异构的奖励函数来有效建模复杂的学生教学决策过程。

    Jun, 2024

  • 面向目标导向的在线教育智能辅导系统

    通过规划性评估互动的构建和智能诊断模型，我们提出了基于图的强化学习框架 PAI，以加强学生对指定概念的掌握，从而提高在线教育的有效学习。

    Dec, 2023

  • 增强端到端多任务对话系统：内在动机强化学习算法的研究，以改善训练和适应性

    通过采用内在激励强化学习算法来测量状态访问的频率和鼓励探索，本研究旨在改善对话系统的政策，继而有效提高性能指标并拓展领域范围。

    Jan, 2024

  • 网上自适应算法中特征选择的重要性

    通过模拟实验，我们发现教育科技中的自适应个性化可能是一把双刃剑，实时个性化在某些情况下改善学生体验，但较慢的个性化和潜在的歧视结果意味着更个性化的模型并不总是有益的。

    Sep, 2023

  • 智能辅导系统中的问题个性化

    本文探讨了智能家教系统 (ITC) 领域中的个性化。我们假设问题问法的个性化可以提高学生的学习成果。我们通过由领域专家撰写的变体以及实验 A/B 测试展示了生成适合不同科目熟练水平的学生问题版本可以提高学生的学习收益。这一洞察力证明了一个 ITC 中的问题语言实现会影响学生的学习成果。

    May, 2022

  • 主动序贯学习机器教学

    本文探讨了机器教学的问题，提出了基于马尔可夫决策过程的序列教学问题。通过研究多臂老虎机学习器的模拟实验和用户研究，探究了教学规划和学习者具有教师模型两种方法对于学习效果的影响，分别从学习者的角度和教师的角度考虑互动智能系统的策略行为，提供了新的研究方法。

    Sep, 2018

  • 面向个性化学生模拟的智能对话辅导系统

    构建学生群体的个人资料以及使用大型语言模型进行具有个性化意识的学生模拟

    Apr, 2024

  • 利用自动策略发现教导人们如何选择更好的项目

    首次将人工智能用于项目选择决策，在真实世界中发现并教授优化了人们的决策策略。结果表明，该方法能够改善类似真实世界项目选择的自然环境中的人类决策，为在真实世界中应用策略发现提供了初步的方向。

    Jun, 2024

  • SPL: 由大型语言模型驱动的苏格拉底学习场

    通过基于 GPT-4 模型的苏格拉底学习法的对话式智能辅导系统（SPL），我们的研究展示了大型语言模型如何增强基于对话的智能辅导系统，并扩展了教育技术的可访问性和效力。

    Jun, 2024