关键词zone of proximal development
搜索结果 - 3
- 用难度条件生成器训练强化学习代理与人类
我们使用参数环境响应模型(PERM)来训练强化学习代理和人类学习者,在模型中直接建模难度和能力,并且将环境的难度和个体的能力进行对齐,创建了基于最近发展区域的课程。PERM 能够在不进行实时强化学习更新且能够进行离线训练的情况下适应各种学生 - ChatPRCS:基于 ChatGPT 的个性化英文阅读理解支持系统
本研究提出了一种基于 ChatGPT 和发展区域理论的个性化阅读理解支持系统 (ChatPRCS),通过预测学习者的阅读理解能力、生成适合难度的问题以及自动评估等方法,提高阅读理解教学的质量。实证结果表明,ChatPRCS 能够为学习者提供 - 强化学习代理的近端课程
通过分析两个简单的学习场景,我们设计了一种叫做 ProCuRL 的课程策略,受到了教育概念中的 “近发展区”(Zone of Proximal Development,ZPD)的启发。我们还提出了 ProCuRL 的实用变体,可在最小的超参