educational-data-mining

该论文提出了一种流水线，利用少样本文本分类器和GPT-4提取的先决条件知识图谱，将学生在对话式AI助教中提出的问题映射到课程主题。在1,340个问题事件上实现了80%的准确率，并与学生自我报告的难度相关。

本文提出了一个三阶段诊断框架，用于识别离线模型选择器为何无法胜过最佳单一模型，并将其应用于edX点击流数据上的辍学预测。研究发现瓶颈在于局部表征歧义，而非学习器选择或分布偏移，建议重新设计状态或收集新数据，而非进一步调优算法。