★ 3
纽约洛杉矶暂停校园生成式 AI，呼吁以证据评估学习效果
纽约市对近 60 万名学前至初中学生实施为期一年的生成式 AI 使用暂停，洛杉矶随后在学区设备上全面封禁，全美两大校区均表示需要先获得证据。文章指出 60% 教师已在工作中使用 AI，但 82% 未获任何正式指导，仅半数中学有 AI 政策。作者呼吁国会与联邦政府利用现有基础设施，为 AI 是否真正…
快公司17 天前
#教育AI
共 12 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
TIZSKT 提出以文本为索引的零样本跨域知识追踪
论文针对新平台只有题目文本、缺少作答日志的零样本跨域知识追踪问题，提出 TIZSKT，将行为序列建模与域内历史证据构建分离，把文本当作索引而非可直接迁移的预测表示。方法包含掌握度动态编码器、域内题目寻址与文本寻址核等组件。在三个公开数据集上留一域实验中取得最高平均 AUC 与准确率。
arXiv NLP5 小时前
★ 2
研究：知识追踪模型预测准不等于参数可恢复
该论文研究知识追踪（KT）模型通过下一响应预测训练后，能否准确恢复题目参数。作者对比2PL、GPCM、NRM解码器与LSTM、Transformer、DKVMN编码器，发现区分度和选项斜率恢复需更宽的题目表示，并提出分离序列表示宽度与参数键宽度的SK(64,8)结构，在TIMSS与EdNet上提升…
arXiv cs.LG10 天前
★ 2
统一问答与辅导对话的响应框架
论文提出一个统一框架，在共享的项目反应理论（IRT）量表上建模学生对问题的回答和辅导对话中的子任务。研究者识别辅导对话中的数学子任务，将其改写为自包含问题，并开发 IRT 框架估计难度和追踪学生能力。在两个真实数学教育数据集上，该框架在问题难度预测和回答正确性预测上均优于强基线。
arXiv NLP18 天前
★ 2
知识追踪基准的信息论评估框架
论文指出 AUC、准确率等聚合指标掩盖了知识追踪（KT）模型的误差来源，也无法判断基准是否接近饱和。作者提出基于信息论的评估框架，用上下文树加权（CTW）构建不确定性坐标，将预测映射到不同熵带以评估局部性能增益。实验显示现代 KT 模型的提升高度不均匀，主要集中在高熵区域。
arXiv cs.LG26 天前
★ 2
知识追踪模型掌握阈值不可通用
论文考察六个知识追踪模型在四个公开教育数据集上的表现，评估 0.50 至 0.99 共 12 个掌握阈值。结果显示贝叶斯知识追踪对阈值变化不敏感，而神经模型随阈值升高变得更具选择性，因为二者输出的含义不同（潜在掌握概率 vs 下一题答对概率）。作者指出阈值应随模型或教学优先级变化重新校准，并综合考…
arXiv cs.LG31 天前
★ 2
Wiki式LLM索引提升机器学习课程学习效果
论文对比了向量RAG与LLM编译wiki两种知识表示在机器学习课程语料上的效果。在59个问题上，两者对单事实问题表现相当，但在跨单元概念链接问题上，编译wiki保持高准确率与100%溯源，而检索方法得分较低且仅64%有据可依。研究表明语料在摄入时的结构化方式可能比查询时的检索量更重要。
arXiv cs.AI40 天前
★ 2
课程专属 RAG 系统降低学业求助门槛
研究提出并评估了 Beacon，一个课程专属的检索增强生成系统，基于经批准的教学材料提供私密、即时、与模块对齐的学术支持。混合方法评估显示，学生认为其比通用生成式 AI 更可信，倾向脚手架式解释而非直接答案。研究认为教育 AI 应作为独立学习与正式支持之间的中介，而非取代教师。
arXiv cs.AI42 天前
★ 2
能力残差解耦的情感认知诊断
研究指出情感认知诊断中，认知残差可能泄漏进情感表征造成情感污染。为此提出能力残差解耦框架，先通过学生、题目、概念等多组件捕获未建模的认知残差，再用情感模块调节猜测/失误效应，并引入Q矩阵约束的概念残差注意力。在四个数据集与六种认知诊断骨干上均取得响应预测提升。
arXiv cs.AI42 天前
★ 2
基于过程语言建模的认知诊断框架
论文提出过程感知语言认知诊断框架PLCD，用语言结构作为认知先验，结合答题记录校准学生状态。该框架利用大模型构建概念图式与认知过程图，并通过DA-MoE专家与过程级对比学习将文本证据映射到统一认知空间。实验显示其在预测学生表现和认知迁移上优于传统基线，提升冷启动鲁棒性。
arXiv cs.AI49 天前
★ 2
EduRiskX：神经符号框架预测学业风险
EduRiskX结合时间Transformer与F-Logic符号推理，预测在线教育学生学业风险，实现早期检测与可解释性。在OULAD数据集上，学期末准确率0.900，平均早期检测周9.32，优于现有模型。
arXiv cs.AI66 天前
★ 2
LT-MKT：融合认知负荷与知识迁移的多领域知识追踪
现有知识追踪方法多聚焦单领域，但现实学习常涉及多领域，需考虑认知负荷和知识迁移。提出LT-MKT方法，利用LLM构建多领域层次图，显式建模跨领域特征，并设计知识迁移模块。实验表明在真实数据集上达到最先进性能。
arXiv cs.AI68 天前