Discovering the curriculum with AI: A proof-of-concept demonstration with an intelligent tutoring system for teaching project selection
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Department of Psychology, UCLA（加州大学洛杉矶分校心理学系）
本研究首次将AI发现并传授启发式策略的方法拓展至真实项目选择决策场景，开发出MGPS方法及对应智能辅导系统，实验验证其性能与教学效果均更优，为AI自动化构建智能辅导的认知策略提供了概念验证。
2025-10-21 cs.AI
CircuTutor: Transforming Static Circuit Problems into Intelligent and Dynamic Tutoring
Beijing Technology and Business University（北京工商大学）
CircuTutor利用电路状态驱动和SPICE求解，将静态电路问题转化为交互式辅导，通过因果推理和误解诊断提升概念学习效果。
2026-09-09 cs.AI
The promise and limits of LLMs in constructing proofs and hints for logic problems in intelligent tutoring systems
Department of Computer Science, North Carolina State University（北卡罗来纳州立大学计算机科学系）
本研究评估了大型语言模型在智能辅导系统中构建逻辑证明和生成提示的潜力与限制，发现DeepSeek-V3在证明构建上表现优异，但生成的提示在解释原因和背景方面仍有不足。
2025-11-21 cs.AI
Adaptive Scaffolding for Cognitive Engagement in an Intelligent Tutoring System
North Carolina State University（北卡罗来纳州立大学）；Utah State University（犹他州立大学）
本文提出了一种自适应支架方法，通过动态选择引导和错误示例来提升智能辅导系统中的认知参与，实验表明BKT和DRL在不同先验知识学生群体中均有效提升了学习效果。
2026-02-07 cs.AI
Artificial Intelligence in Intelligent Tutoring Robots: A Systematic Review and Design Guidelines
National University of Defense Technology（国防科技大学）；National Innovation Institute of Defense Technology（国防科技创新研究院）
本文系统地回顾了智能教学机器人的研究进展，总结了人工智能技术的应用现状。我们首先分析了ITR的环境，并提出了一个关系模型来描述ITR与学生，社会环境和课程的互动。然后，我们将关系模型转化为感知-规划-行动模型，以探索哪些AI技术适合应用于ITR。本文对促进人机教学过程和人工智能辅助教育技术提供了见解，说明了智能辅导机器人的设计指导方针和未来的研究前景。
2019-02-26 cs.AI cs.CY cs.HC
Leveraging Large Language Model and Story-Based Gamification in Intelligent Tutoring System to Scaffold Introductory Programming Courses: A Design-Based Research Study
University of Sheffield（谢菲尔德大学）
编程技能正在迅速成为许多教育途径和职业机会的必要条件。然而，对于许多国际学生来说，由于语言的复杂性，缺乏先前的编程知识以及语言和文化障碍，传统的入门编程课程教学方法可能是一个重大挑战。本研究探讨了大语言模型和游戏化如何帮助中国学生在入门编程课程中学习编程并增加归属感。在这个项目中，开发了一个游戏化智能辅导系统，以适应中国国际学生的学习需求，并提供脚手架，以支持他们在入门计算机编程课程的成功。
2023-02-25 cs.AI cs.HC
Question Personalization in an Intelligent Tutoring System
McGill University（麦吉尔大学）；MILA (Quebec Artificial Intelligence Institute)（MILA（魁北克人工智能研究所））；Korbit Technologies Inc.（Korbit科技公司）；University of Bath（巴斯大学）
本文研究智能教学系统（ITS）领域的个性化。我们假设，个性化的方式提出的问题，提高学生的学习成果。以前的工作基于对话的ITS个性化还没有解决问题的措辞。我们表明，生成适合不同学科水平的学生的问题版本，提高学生的学习收益，使用领域专家和实验A/B测试编写的变体。这一见解表明，在ITS中的问题的语言实现影响学生的学习成果。
2022-05-25 cs.AI cs.CL
HTN-Based Tutors: A New Intelligent Tutoring Framework Based on Hierarchical Task Networks
Georgia Institute of Technology（佐治亚理工学院）；Drexel University（德雷塞尔大学）
针对现有智能导学框架知识粒度不足的问题，提出基于层次任务网络的HTN导师框架，支持灵活策略编码与层次化知识组织，可调整脚手架粒度，契合技能组成性。
2024-05-24 cs.AI cs.HC
Evaluating the Design Features of an Intelligent Tutoring System for Advanced Mathematics Learning
Central China Normal University（华中师范大学）
本研究评估了智能辅导系统Xiaomai的两大设计特征，即带自动反馈的简答题和反思自制错误的元认知元素，以支持中国大学生的高等数学学习与考研准备。
2024-12-23 cs.AI cs.CY cs.MS
Multi-Armed Bandits for Intelligent Tutoring Systems
Inria（法国国家信息与自动化研究所）
我们提出了一种智能辅导系统的方法，自适应个性化的学习活动序列，以最大限度地提高学生获得的技能，考虑到有限的时间和激励资源。在给定的时间点，系统向学生提出使他们进步更快的活动。我们介绍了两种算法，依赖于经验估计的学习进度，RiARiT使用的信息，每个练习的难度和ZPDES，使用少得多的知识的问题。该系统基于三种方法的结合。首先，它利用了最近的内在动机的学习模式，将其转换为积极的教学，依靠经验估计的学习进展提供的具体活动，以特定的学生。其次，它使用最先进的多臂Bandit（MAB）技术来有效地管理这个优化过程的探索/开发挑战。第三，它利用专家知识来约束和引导MAB的初始探索，同时只需要专家的粗略指导信息，并允许系统处理其知识中的教学差距。该系统在一个场景中进行评估，其中7-8岁的学童学习如何在操纵金钱的同时分解数字。系统的实验与模拟学生，然后在400名学童的人口的用户研究的结果。
2015-06-19 cs.AI
UIILD: A Unified Interpretable Intelligent Learning Diagnosis Framework for Intelligent Tutoring Systems
Central China Normal University（华中师范大学）；Hubei University of Technology（湖北工业大学）
针对传统学习诊断方法难以兼顾准确性与可解释性的问题，本文提出UIILD框架，结合深度学习与心理测量学优势，从多维度提供可解释性，实验证明其预测准确性优于现有最优模型，可支撑智能辅导系统的个性化教育应用。
2023-06-13 cs.AI cs.CY
Generative AI and Its Impact on Personalized Intelligent Tutoring Systems
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）
本报告探讨了生成式AI（如GPT-4）在智能辅导系统中的应用，通过动态内容生成和实时反馈提升个性化教育，并分析了相关挑战与未来方向。
2024-10-14 cs.AI cs.CL
Automated Personalized Feedback Improves Learning Gains in an Intelligent Tutoring System
Korbit Technologies Inc.（科比科技公司）；University of Cambridge（剑桥大学）；École de Technologie Supérieure（高等技术学院）；McGill University（麦吉尔大学）；MILA (Quebec Artificial Intelligence Institute)（MILA（魁北克人工智能研究所））
我们研究了大规模智能辅导系统（ITS）中的自动化、数据驱动、个性化反馈如何提高学生的学习效果。我们提出了一种机器学习方法来生成个性化的反馈，它考虑到学生的个人需求。我们利用最先进的机器学习和自然语言处理技术为学生提供个性化的提示，基于维基百科的解释和数学提示。我们的模型被用于Korbit，这是一个大规模的基于对话的ITS，在2019年推出了数千名学生，我们证明了个性化的反馈导致学生的学习成果和反馈的主观评价有很大的改善。
2020-05-07 cs.AI cs.CL
Prerequisite Structure Discovery in Intelligent Tutoring Systems
ENSTA Paris（巴黎ENSTA学院）；Institut Polytechnique de Paris（巴黎综合理工学院）；Inria（法国国家信息与自动化研究院）
本文提出一种将知识结构作为可学习参数融入知识追踪的模型，从学习者轨迹中发现先修结构，并通过模拟学生评估推荐效果。
2024-01-18 cs.AI cs.CY cs.LG
Hierarchical Multi-Armed Bandits for the Concurrent Intelligent Tutoring of Concepts and Problems of Varying Difficulty Levels
Columbia University（哥伦比亚大学）；Aiphabet, Inc.（Aiphabet公司）
针对现有开源MAB智能辅导器匮乏的问题，提出一种开源易部署的分层MAB算法，可并行推进概念与题目学习、适配难度并评估记忆衰退，模拟实验验证其能有效提升学生成绩。
2024-08-10 cs.AI cs.CY cs.HC
Toward Personalized XAI: A Case Study in Intelligent Tutoring Systems
The University of British Columbia（不列颠哥伦比亚大学）；Augsburg University（奥格斯堡大学）
我们的研究是朝着确定XAI中个性化需求迈出的一步，我们这样做是在调查AI驱动的提示和反馈的解释价值的背景下进行的，这些提示和反馈在智能教学系统（ITS）中是有用的。我们为自适应CSP（ACSP）小程序提供的自适应提示添加了解释功能，ACSP是一种交互式模拟，通过提供适应学生预测学习水平的AI驱动提示，帮助学生学习约束满足问题的算法。我们提出的解释功能的设计和控制研究的结果，以评估其对学生的学习和感知的ACPS提示。该研究分析了这些结果如何受到几个用户特征（如人格特质和认知能力）的影响，以评估是否应根据这些特征进行个性化解释。我们的研究结果表明，提供解释增加了学生的信任ACPS提示，感知有用的提示，并打算再次使用它们。此外，我们表明，学生的访问的解释和学习收益调制的用户特征，提供见解设计个性化的可解释的人工智能（XAI）的ITS。
2020-08-12 cs.AI cs.HC
Interactive, Intelligent Tutoring for Auxiliary Constructions in Geometry Proofs
University of California, Davis（加州大学戴维斯分校）
几何定理证明在K-12数学课程中是一个主要的和具有挑战性的组成部分。一个特别困难的任务是添加辅助结构（即，额外的线或点），以帮助证明发现。虽然有许多智能教学系统提出的几何证明，很少教学生如何找到辅助结构。少数例外都受到其支持辅助构式的潜在推理过程的限制。本文通过引入一个交互式几何导师，高级几何证明导师（AGPT）来解决这些缺点。它利用了最近的自动几何证明器，以提供任何几何定理证明器或智能辅导系统无法单独完成的综合效益。特别是，AGPT不仅可以直接自动处理几何问题的图像，而且可以交互式地训练和引导学生自己发现辅助结构。我们已经通过一项试点研究与78名高中生评估AGPT。研究结果表明，在训练学生如何找到辅助结构，AGPT和人类导师之间没有显着的感知差异，AGPT是显着更有效的比国家的最先进的几何求解器，产生人类可读的证明。
2017-11-20 cs.AI cs.CY cs.HC
Evaluating a Data-Driven Redesign Process for Intelligent Tutoring Systems
Carnegie Mellon University（卡内基梅隆大学）；Texas A&M University（德克萨斯农工大学）；Wellesley College（韦尔斯利学院）
本研究测试了数据驱动重设计方法在非预期改进的中学数学教学单元中的有效性，发现重设计系统在任务时间、技能练习和知识掌握方面表现更优。
2026-03-31 cs.AI cs.HC
A Comprehensive Review of AI-based Intelligent Tutoring Systems: Applications and Challenges
Artificial Intelligence Institute (I2A)（人工智能研究所）
本文通过系统性文献综述分析2010至2025年ITS研究，梳理其在教学策略、NLP、自适应学习等方面的应用与有效性，并指出实验和数据分析严谨性不足等挑战。
2025-07-25 cs.AI cs.HC cs.IR
Investigating Self-regulated Learning Sequences within a Generative AI-based Intelligent Tutoring System
McGill University（麦吉尔大学）；The Chinese University of Hong Kong（香港中文大学）；Lehigh University（莱维大学）；Renmin University of China（中国人民大学）
本研究探讨了生成式人工智能辅助智能教学系统中学生自主学习序列的特征，通过序列和聚类分析发现学生在信息获取与转换上的使用差异，以及GenAI使用与学习表现之间的非显著相关性。
2026-01-13 cs.AI cs.CY
Improving prediction of students' performance in intelligent tutoring systems using attribute selection and ensembles of different multimodal data sources
Pontifical Catholic University of Ecuador（厄瓜多尔天主教大学）；University of Oviedo（奥维耶多大学）；University of Central Florida（中佛罗里达大学）；University of Córdoba（科尔多瓦大学）
本研究利用智能辅导系统的多模态数据，通过属性选择与集成方法改进大学生成绩预测，实验表明数值数据下集成与最优属性选择效果最佳。
2024-02-10 cs.AI cs.CY cs.HC
Physiological and Semantic Patterns in Medical Teams Using an Intelligent Tutoring System
McGill University（麦吉尔大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Pennsylvania（宾夕法尼亚大学）
研究通过智能教学系统分析医疗团队在诊断虚拟患者时的生理和对话动态，发现语义变化与生理同步峰值相关，且高生理同步伴随低语义相似性，揭示了团队协作中的关键时刻。
2026-03-31 cs.AI cs.CL
A Mixed User-Centered Approach to Enable Augmented Intelligence in Intelligent Tutoring Systems: The Case of MathAIde app
本研究提出MathAIde智能辅导系统，通过计算机视觉和AI批改数学练习并提供反馈，采用以教师为中心的混合用户驱动设计方法，在资源有限的课堂环境中展现了良好的效率与可用性。
2025-09-15 cs.AI cs.HC
Towards Goal-oriented Intelligent Tutoring Systems in Online Education
Singapore Management University（新加坡国立管理学院）；National University of Singapore（国立新加坡大学）；University of Science and Technology of China（中国科学技术大学）
本文提出目标导向型智能导学系统（GITS）任务，并设计基于图的强化学习框架PAI，结合认知结构与动态诊断模型进行练习和评估规划，在三个学科基准数据集上验证了其有效性与效率。
2025-08-22 cs.AI cs.CY cs.IR
SCRIPT: Implementing an Intelligent Tutoring System for Programming in a German University Context
Faculty of Technology, Bielefeld University（比勒菲尔德大学技术学院）
本文提出一个适应性强的Python编程智能辅导系统，结合大语言模型提供提示机制，并符合德国数据保护法规和AI伦理框架。
2026-04-17 cs.AI cs.LG
The Power of Nudging: Exploring Three Interventions for Metacognitive Skills Instruction across Intelligent Tutoring Systems
North Carolina State University（北卡罗来纳州立大学）
演绎域是许多认知技能的典型，因为没有一个单一的问题解决策略总是最佳的解决所有问题。结果表明，知道如何以及何时使用每种策略（StrTime）的学生的表现优于那些既不知道又坚持默认策略（Default）的学生。在这项工作中，学生们接受了支持默认前向链和后向链（BC）策略的逻辑导师的培训，然后是只支持BC的概率导师。我们调查了三种类型的干预教学默认学生如何以及何时使用哪种策略的逻辑导师：例子，轻推和介绍。与此同时，StrTime的学生没有接受任何干预。总的来说，我们的结果表明，Nudge在两个导师上的表现都优于他们的Default同行，并赶上了StrTime。
2023-03-18 cs.AI cs.HC cs.LG
LLM-powered Multi-agent Framework for Goal-oriented Learning in Intelligent Tutoring System
HKUST (GZ)（香港科技大学（广州））；Microsoft Inc.（微软公司）；Microsoft Research Asia（微软亚洲研究院）
本文提出GenMentor，一个LLM驱动的多智能体框架，通过目标到技能映射、进化优化路径规划和探索-起草-整合内容定制机制，在智能辅导系统中实现目标导向的个性化学习。
2025-01-27 cs.AI cs.MA
Integrating LSTM and BERT for Long-Sequence Data Analysis in Intelligent Tutoring Systems
School of Electronics and Computer Science（电子与计算机科学学院）；University of Southampton（南安普顿大学）；Durham University（杜伦大学）；School of Computing（计算机学院）；Newcastle University（纽卡斯尔大学）
针对智能辅导系统长序列知识追踪的效率、准确率与可解释性难题，本文提出融合 Rasch 嵌入、BERT 与 LSTM 的 LBKT 模型，并通过基准实验、消融和可视化验证其优势。
2024-04-24 cs.AI cs.CL cs.CY
Kanji Workbook: A Writing-Based Intelligent Tutoring System for Learning Proper Japanese Kanji Writing Technique with Instructor-Emulated Assessment
Sketch Recognition Lab（手写识别实验室）；Department of Computer Science & Engineering（计算机科学与工程系）；Texas A&M University（德克萨斯A&M大学）
针对日语汉字书写学习困难，提出基于书写的智能辅导系统，通过模拟教师反馈的评估指标，提升学生成绩，并在大学课程中验证了有效性。
2025-04-04 cs.AI cs.CL cs.HC
Toward an Intelligent Tutoring System for Argument Mining in Legal Texts
Université de Montréal（蒙特利尔大学）；Carnegie Mellon University（卡内基梅隆大学）；Hofstra University（霍夫斯特拉大学）；University of Pittsburgh（匹兹堡大学）
我们提出了一个自适应环境（CABINET），以支持判例法分析（确定关键参数元素）的基础上，仔细匹配各种机器学习（ML）的能力，以熟练的用户的一种新的认知计算框架。CABINET支持法律学生的学习以及专业人士的工作。我们的实验结果集中在所提出的框架的可行性是有前途的。我们表明，该系统能够以非常低的误报率（2.0-3.5%）识别分析中的潜在错误，以及预测关键参数元素类型（例如，问题或持有），具有合理的高F1分数（0.74）。
2022-10-24 cs.AI cs.CL cs.LG
Using Think-Aloud Data to Understand Relations between Self-Regulation Cycle Characteristics and Student Performance in Intelligent Tutoring Systems
Carnegie Mellon University（卡内基梅隆大学）；University of Pennsylvania（宾夕法尼亚大学）
本研究基于AI生成的出声思维转录编码四类SRL行为，并通过回归分析揭示SRL循环特征比即时SRL评估更能预测学生在智能辅导系统中的后续解题表现。
2023-12-09 cs.AI cs.CY
Model Criticism of Bayesian Networks with Latent Variables
Educational Testing Service（教育考试服务中心）
贝叶斯网络（BN）的认知评估和智能教学系统的应用提出了新的挑战，模型的建设。当认知任务分析建议构建一个BN与几个潜在的变量，经验模型批评的潜在结构变得既关键又复杂。本文介绍了一种方法，批评模型的全球（BN在其整体）和本地（可观察节点），并探讨其价值在识别几种失配：节点错误，边缘错误，状态错误，和先验概率错误的潜在结构。结果表明，该指数有可能检测模型失配，并协助定位有问题的组件的模型。
2013-01-16 cs.AI stat.AP stat.ME
An Interpretable Closed-Loop Intelligent Tutoring System for Multimodal Affective Feedback in Asynchronous Presentation Training
National Taiwan Normal University（台湾师范大学）
本文提出一种基于XGBoost的可解释闭环智能辅导系统，通过三层可解释反馈架构将多模态输入映射为可追溯的反馈，在MOOC视频上训练并验证了其提升演讲技能的有效性。
2026-05-22 cs.AI cs.HC
Enhancing knowledge tracing robustness for new question cold start in Intelligent Tutoring Systems
PICKT模型通过构建知识图谱关系，有效解决个性化学习中的冷启动问题，提升知识追踪的实用性与稳定性。
2026-09-17 cs.AI cs.CL cs.CY
Leveraging Deep Reinforcement Learning for Metacognitive Interventions across Intelligent Tutoring Systems
North Carolina State University（北卡罗来纳州立大学）
本文通过两项课堂实验比较静态分类干预与DRL自适应元认知干预，发现DRL能缩小学生元认知差距，并促进其在后续无干预辅导系统中的迁移学习。
2023-04-17 cs.AI cs.CY cs.HC
3DG: A Framework for Using Generative AI for Handling Sparse Learner Performance Data From Intelligent Tutoring Systems
University of Memphis（孟菲斯大学）；Carnegie Mellon University（卡内基梅隆大学）
3DG框架结合张量分解与生成模型（GAN、GPT），处理智能辅导系统中的稀疏学习数据，通过三维张量表示、致密化与个性化增强生成模拟数据，实验表明GAN优于GPT-4，有效提升数据稀疏问题的解决能力。
2024-01-29 cs.AI cs.CY cs.LG
From Prototype to Classroom: An Intelligent Tutoring System for Quantum Education
Center for Real-Time Computing（实时计算中心）；Computer Science Department（计算机科学系）；Old Dominion University（旧 Dominion 大学）；Physics Departments（物理系）
本文提出ITAS系统，通过多智能体架构和课程设计解决量子教育中的可靠性问题，验证系统在真实课堂中的可行性及教学分析能力。
2026-04-27 cs.AI cs.CY cs.MA
Latency and Cost of Multi-Agent Intelligent Tutoring at Scale
Center for Real-Time Computing（实时计算中心）；Computer Science Department（计算机科学系）；Old Dominion University（旧 Dominion 大学）；Physics Departments（物理系）
研究探讨了多智能体LLM辅导系统在不同吞吐量层级和并发水平下的延迟与成本表现，发现优先付费层级在高负载下仍保持低延迟，而预留吞吐量在低并发时表现最佳但成本较高。
2026-04-27 cs.AI cs.CY cs.DC
Improved Performances and Motivation in Intelligent Tutoring Systems: Combining Machine Learning and Learner Choice
Inria（法国国家信息与自动化研究所）；Université de Bordeaux（波尔多大学）
本研究将学习者选择机制整合入基于多臂老虎机的个性化系统ZPDES，通过265名儿童的RCT实验证明，选择带来的内在动机仅在自适应系统中能提升学习表现与体验，在固定课程中则有害。
2025-03-05 cs.AI cs.CY cs.LG
Intelligent Tutors for Adult Learners: An Analysis of Needs and Challenges
Drexel University（德雷塞尔大学）；Georgia Institute of Technology（佐治亚理工学院）
本研究聚焦成人自主学习场景下智能导师系统的采纳问题，提出新型系统Apprentice Tutors，通过部署研究与焦点小组明确成人学习需求与挑战，给出设计建议，助力教育技术支持终身学习。
2025-02-19 cs.AI cs.CY cs.HC
MC-CPO: Mastery-Conditioned Constrained Policy Optimization for Pedagogically Safe Intelligent Tutoring Systems
School of Computing Sciences（计算科学学院）；Computer Engineering, University of Southern Mississippi, Hattiesburg, MS 39406, USA（计算机工程，密西西比大学，哈特斯伯格，MS 39406，USA）
本文提出 MC-CPO 框架，通过结构化约束解决教学安全问题，提升学习者知识掌握率，实验证明其在两个平台上的效果显著。
2026-06-08 cs.AI cs.CY cs.LG
An Integrated Platform for Studying Learning with Intelligent Tutoring Systems: CTAT+TutorShop
Carnegie Mellon University（卡内基梅隆大学）；Austral University of Chile（智利 Austral 大学）；Saarland University（萨尔大学）
针对智能辅导系统（ITS）的学习研究需求，CTAT+TutorShop提供全栈集成平台，支持ITS完整研究周期与快速开发，已用于147项多场景研究，助力探索学生学习机制、系统优化及学习科学原则。
2025-01-17 cs.AI cs.CY cs.HC
Training Turn-by-Turn Verifiers for Dialogue Tutoring Agents: The Curious Case of LLMs as Your Coding Tutors
The Hong Kong Polytechnic University（香港理工大学）；University of Michigan（密歇根大学）
针对LLM辅导智能体在复杂任务引导上的不足，提出结合知识追踪与逐轮验证的TRAVER工作流，并通过DICT协议验证其在编程辅导中显著提升成功率，且方法可推广至其他领域。
2025-05-25 cs.AI cs.CL
Confirming Correct, Missing the Rest: LLM Tutoring Agents Struggle Where Feedback Matters Most
North Carolina State University（北卡罗来纳州立大学）
本文研究了LLM在逻辑推理中的辅导性能，发现其在区分最优解、次优解和错误解方面存在系统性偏差，影响适应性教学效果。
2026-05-15 cs.AI cs.CL
User Intention Recognition and Requirement Elicitation Method for Conversational AI Services
Harbin Institute of Technology（哈尔滨工业大学）
近年来，聊天机器人成为引导用户消费服务的新型智能终端。但最受批评的是，它提供的服务并不是用户所期望或大多数人所期望的。这主要是由于信息不对称导致的用户需求表达的不完全性和不确定性以及服务资源的多样性导致的服务选择困难。会话机器人是一种典型的网格设备，因此引导式多轮Q $\&$ A是获取用户需求的最有效方式。显然，轮数太多的复杂Q $\&$ A很无聊，而且总是导致不好的用户体验。因此，我们的目标是在尽可能少的轮次内尽可能准确地获取用户需求。为此，提出了基于知识图谱的用户意图识别方法用于模糊需求推理，提出了基于粒度计算的需求获取方法用于对话策略生成。实验结果表明，这两种方法能有效减少会话轮数，并能快速准确地识别用户意图。
2020-09-03 cs.AI
ITAS: A Multi-Agent Architecture for LLM-Based Intelligent Tutoring
Center for Real-Time Computing（实时计算中心）；Computer Science Department（计算机科学系）；Old Dominion University（旧 Dominion 大学）；Physics Departments（物理系）
本文提出ITAS多智能体架构，用于解决大语言模型在真实课程中运行的挑战，通过三层架构实现教学、操作和反馈功能，展示了系统在实际应用中的表现。
2026-04-27 cs.AI cs.CY cs.DC
A New Era: Intelligent Tutoring Systems Will Transform Online Learning for Millions
Korbit Technologies Inc.（Korbit科技公司）
尽管人工智能（AI）已经改变了我们社会的主要方面，但只有不到一小部分的潜力被探索，更不用说部署在教育领域了。人工智能驱动的学习可以为数百万学习者提供高度个性化，积极和实用的学习体验，这是成功学习的关键。这在在线学习平台方面尤其重要。在本文中，我们提出了两个流行的在线学习平台（n=199名参与者）的学习成果的头对头比较研究的结果：MOOC平台遵循传统模式，使用讲座视频和多项选择题测验提供内容，Korbit学习平台提供高度个性化，积极和实用的学习体验。我们观察到学习成果的巨大和统计上的显着增加，Korbit平台上的学生提供全面的反馈，导致更高的课程完成率，并实现比MOOC平台上的学生和对照组学生高2到2.5倍的学习收益。结果证明了个性化的、主动学习AI驱动的系统可以实现的巨大影响。向全世界数以百万计的学习者提供这种技术和学习经验将是教育民主化的一个重大飞跃。
2022-03-03 cs.AI cs.CY cs.HC
Enhancing tutoring systems by leveraging tailored promptings and domain knowledge with Large Language Models
University of Tasmania（塔斯马尼亚大学）
本文提出将检索增强生成与技能对齐反馈融入大语言模型提示工程，构建个性化编程辅导系统，并通过可读性、响应时间和反馈深度三项指标验证其优于通用方法。
2025-05-02 cs.AI cs.CY
Teaching According to Students' Aptitude: Personalized Mathematics Tutoring via Persona-, Memory-, and Forgetting-Aware LLMs
针对现有大语言模型辅导系统难以捕捉学生知识动态演化的问题，提出融合角色、记忆与遗忘机制的TASA个性化数学辅导框架，实验证明其学习效果与辅导适应性优于基线方法。
2025-11-19 cs.AI cs.CL cs.HC
Pedagogical Safety in Educational Reinforcement Learning: Formalizing and Detecting Reward Hacking in AI Tutoring Systems
School of Computing Sciences and Computer Engineering（计算科学与计算机工程学院）
本文提出教育强化学习的教学安全性四层模型及奖励黑客严重性指数，通过模拟实验发现奖励设计不足，需结合约束架构和认知需求以减少奖励黑客问题。
2026-04-05 cs.AI cs.CY cs.LG
Efficacy of a Computer Tutor that Models Expert Human Tutors
University of Memphis（密苏里大学）；University of Colorado Boulder（科罗拉多大学博尔德分校）；Rhodes College（罗德岛学院）；American Institutes for Research（美国研究机构）；Brighter Research
本研究通过9周实验比较模拟专家人类辅导教师的智能辅导系统与专家人类辅导教师及无辅导条件，发现两者均显著提升即时和延迟学习效果，效应量处于元分析第99百分位，表明专业知识对辅导有效性有重要贡献。
2025-04-21 cs.AI cs.CY
Building Knowledge from Interactions: An LLM-Based Architecture for Adaptive Tutoring and Social Reasoning
Italian Institute of Technology (IIT)（意大利技术研究院）；University of Genoa（热那亚大学）
提出一种基于LLM的多模态认知框架，通过引入记忆系统增强人机交互中的自主决策与个性化，平衡社交与任务指导，推动社会智能机器人发展。
2025-04-02 cs.AI cs.RO
Improving drug sensitivity predictions in precision medicine through active expert knowledge elicitation
Helsinki Institute for Information Technology HIIT（赫尔辛基信息技术研究所（HIIT））；Aalto University（阿尔托大学）；Institute for Molecular Medicine Finland (FIMM)（芬兰分子医学研究所（FIMM））；University of Helsinki（赫尔辛基大学）
使用高维基因组测量来预测药物对给定个体的疗效是精准医学的核心。然而，识别预测所依据的特征仍然是一个挑战，特别是当样本量很小时。对专家知识进行分类提供了一种有希望的替代方案来改进预测模型，但是如果候选特征的数量非常大，则收集这样的知识对于专家来说是费力的。我们引入了一个概率模型，可以将专家反馈的基因组测量对癌细胞对给定药物的敏感性的影响。我们还提出了两种方法来智能地收集专家的反馈，使用实验设计和多臂强盗模型。在多发性骨髓瘤血癌数据集（n=51），专家知识减少了8%的预测误差。此外，智能方法可以用来减少反馈收集的工作量，平均不到30%相比，一个天真的方法。
2017-05-09 cs.AI cs.HC cs.LG
Awaking the Slides: A Tuning-free and Knowledge-regulated AI Tutoring System via Language Model Coordination
Tsinghua University（清华大学）
针对幻灯片多模态、教学动作异构导致难以转化为互动课堂的问题，研究团队开发免调优、知识管控的智能辅导系统Slide2Lecture，可将幻灯片转为结构化教学议程并管理互动课堂，效果优于现有方案，已实现大规模线上应用并开源代码。
2024-09-11 cs.AI cs.CL cs.HC
