标签
论文评估了 LLM 导师（StudyChat）的学期级交互特征对学生作业成绩的预测价值，发现相较于简单基线仅有极小增益，并强调基线选择与误差分布对评估学生支持工具的重要性。
一项研究分析了引导式 LLM 化学导师中 20,462 条学生对话轮次，发现教学护栏会改变导师所隐瞒的内容，但不会改变其适应方式：在卡壳初期提问更有效，而随着卡壳持续，直接的错误反馈变得更有效。
本研究探讨了如何通过编码的GenAI虚拟患者对话，为医学教育中的临床推理提供教师可解释的过程证据，利用学习分析来分析医学生的对话日志。
EduRiskX是一种神经符号框架，它将时序Transformer模型与F逻辑推理相结合，用于在线教育中早期学术风险的预测，与最先进模型相比，展示了更高的准确性和可解释性。
该论文表明，来自EdNet日志的学习策略聚类可以预测学习者的参与度，但不能预测掌握度，强调仅基于行为的分析不足以评估知识获取。
这篇IEEE论文介绍了一个AI驱动的知识图谱平台，将数据库课程中的SQL错误与概念差距联系起来，自动提取课程概念并将其与学生提交关联，以提供个性化的诊断反馈。
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。
本文针对AI增强型课堂提出了一种可解释的决策层，通过结合教师和学生反馈，在不使用成绩的情况下对需要关注的课程主题进行排序。该方法能够揭示孤立学习者，并在初步研究中与教师关注点保持一致。