Counterfactual Fairness Evaluation of Machine Learning Models on Educational Datasets
Department of Computer Science and Engineering, Korea University, South Korea（计算机科学与工程系，韩国大学，韩国）
本文针对教育数据，通过基准数据集上的反事实公平性分析，揭示敏感属性的因果影响，为教育场景中的个体公平性评估提供新视角。
2025-04-20 cs.CY cs.LG
Sequence Modelling For Analysing Student Interaction with Educational Systems
在线教育系统生成的日志数据的分析是一个重要的任务，以改善系统，并进一步了解学生如何学习。本文使用丹麦最大的数学数字学习提供商Edulab以前从未见过的日志数据来分析其用户的会话，其中108万个学生会话是从他们的数据子集中提取的。我们建议将学生建模为不同基础学生行为的分布，其中每个会话的动作序列属于基础学生行为。我们将学生行为建模为马尔可夫链，使学生建模为马尔可夫链的分布，使用修改后的k-均值聚类算法进行估计。由此产生的马尔可夫链很容易解释，并在定性分析约125,000名学生会议被确定为表现出非生产性的学生行为。根据我们的研究结果，这种学生代表是有前途的，特别是对于提供许多不同的学习用途的教育系统，并提供了一种替代常见的方法，如建模学生行为作为一个单一的马尔可夫链经常在文献中。
2017-08-14 cs.CY cs.HC
Addressing behavioral change towards energy efficiency in European educational buildings
能源消耗占学校建筑预算的很大一部分。与此同时，使用这些设施的学生是未来几年的成年人，因此，如果他们接受能源意识的行为，那么在能源效率方面的可持续成果是可以预期的。GAIA是一个针对这一用户领域的研究项目，提出了一套应用程序，a）旨在提高认识，促进行动和促进参与提高能源效率，b）可适应每个设施/社区的需求。该应用程序集依赖于物联网传感基础设施，以及使用人类作为传感器来创建态势感知。
2019-06-19 cs.CY
Understanding Student Acceptance, Trust, and Attitudes Toward AI-Generated Images for Educational Purposes
Chulalongkorn University（朱拉隆功大学）
本研究通过问卷与访谈探究计算机科学和软件工程本科生对AI生成图像用于教育任务的接受度、信任度与态度，发现学生总体持积极态度但担忧技术精确性不足，并提出需制定伦理、知识产权和质量标准方面的指导方针以提升教育应用效果。
2024-11-24 cs.AI cs.CY
Why Are Some Online Educational Programs Successful? Student Cognition and Success
大规模开放式在线课程（MOOC）曾经提供了可访问性和可负担性的承诺。然而，MOOC通常缺乏专家反馈和社交互动，学生参与度和保留率较低。因此，在线教育的替代方案已经出现，包括在美国的一所主要公立大学的计算机科学的在线研究生课程。该计划被认为是成功的，现在有9000多名学生参加了该计划。我们采用认知科学的视角来回答为什么只有一些网络教育课程成功的问题。我们在该计划的一门课程中衡量学习者的动机和自我调节，特别是人工智能（AI）课程。对学生的调查表明，学生自我报告的自我效能感，认知策略的使用和课程的内在价值的评估不仅相当高，而且在学习过程中普遍增加。这些数据表明，在线人工智能课程可能是成功的，因为学生有很高的自我效能感，课程促进了自我调节学习。
2022-09-04 cs.CY
Cognitive Structure Generation: From Educational Priors to Policy Optimization
Northeast Normal University（东北师范大学）；Cornell University（康奈尔大学）
本文提出认知结构生成框架CSG，先预训练扩散概率模型从教育先验生成认知结构，再用强化学习以分层奖励优化生成策略，在四个真实教育数据集上显著提升知识追踪和认知诊断性能。
2025-08-18 cs.AI cs.CY cs.LG
Centralized vs. Federated Learning for Educational Data Mining: A Comparative Study on Student Performance Prediction with SAEB Microdata
本研究针对巴西教育数据的隐私合规问题，对比联邦学习FedProx算法与集中式XGBoost模型在SAEB超200万条学生数据上的成绩预测效果，发现联邦模型以微小性能损失实现隐私保护，为合规构建教育协作预测模型提供可行方案。
2025-08-27 cs.CY cs.LG
Mining Frequent Learning Pathways from a Large Educational Dataset
在本文中，我们描述了数据采掘技术，用于提取频繁的学习途径，从一个大型的教育数据集。这些路径被提取为编码学生学习过程的有向图。我们的数据集包含超过300万匿名学生在在线学习平台上的8亿多次互动。在大型复杂数据集上进行流程挖掘，经常会产生难以理解的流程模型。但是，如果我们对数据进行聚类并获得遵循相似过程的组，我们可以大大提高过程挖掘的结果。为此，我们开发了一个序列聚类算法，让我们组学生遵循类似的学习途径。为了从这些数据集群中提取频繁的学习路径，我们开发了一种基于图的过程发现算法，该算法向我们揭示了许多学生遵循的学习活动序列。这些序列代表了学生学习的高速公路。
2017-07-08 cs.CY
Demonstrating REACT: a Real-time Educational AI-powered Classroom Tool
George Mason University（乔治梅森大学）
我们展示了REACT，这是一种新的实时的【形】教育AI驱动的课堂工具，采用EDM技术来支持教育工作者的决策过程。REACT是一个数据驱动的工具，具有用户友好的图形界面。它分析学生的表现数据，并提供基于上下文的警报，以及建议教育工作者进行课程规划。此外，它结合了模型不可知论的解释，使决策过程的可解释性和可解释性。本文展示了我们提出的工具使用真实世界的数据集的用例场景，并提出了其架构和用户界面的设计。本演示的重点是基于学生表现的凝聚聚类（即，不正确的回答和使用的提示）。这种将具有类似优势和弱点的学生分组的做法，可以帮助教育工作者通过识别有风险的学生、组成学习小组或鼓励不同优势的学生之间的辅导来改进他们的课程规划。
2021-07-30 cs.AI cs.CY cs.LG
An Effective Learning Management System for Revealing Student Performance Attributes
本研究提出了一种结合先进教育挖掘模块的学习管理系统（LMS），通过两个案例研究验证其能高效挖掘学生表现记录且不丢失信息，揭示了显著影响学生学业表现的属性，帮助教育工作者改进教学并提高学生学业成功率。
2024-03-05 cs.CY
Studying Academic Indicators within Virtual Learning Environment Using Educational Data Mining
我们的主要目标是发现在这样的环境中影响学生学业轨迹和学生学业演变的主要因素。我们的研究结果表明，在这个虚拟的学习环境中，学生的平均水平和一些因素之间有很强的相关性，如：学生的英语水平（尽管阿拉伯语是教学语言），学生的年龄，学生的性别，学生的逾期居留和学生的居住地（叙利亚境内或境外）。我们的研究结果还表明，需要通过改变作为高级DBA II，数据安全等BIT文凭的一部分提供的少数课程的先决条件来修改学生的学术轨迹。在这项研究中，结果还突出了叙利亚危机对学生的影响。最后，我们根据我们的观察和结果提出了一些未来的建议，以发展目前的信息系统在SVU，以帮助我们更容易地推断一些指标。
2016-12-04 cs.CY cs.DB
Beyond Compliance: A Proposed Framework for Ethical Governance of Student Data in Learning Analytics
Rowan University（罗恩大学）
针对学习分析学生数据治理仅重合规的问题，提出LEAGUE六支柱伦理治理框架，通过案例展示其可助力机构更透明地开展学习分析审查。
2026-08-05 cs.CY
Optimizing Student Ability Assessment: A Hierarchy Constraint-Aware Cognitive Diagnosis Framework for Educational Contexts
University of Science and Technology of China（中国科学技术大学）；Liupanshui Normal University（六盘水师范学院）；Hefei Comprehensive National Science Center（合肥综合性国家科学中心）；National University of Singapore（新加坡国立大学）
针对现有认知诊断忽视学生层级相对能力的问题，提出HCD框架，通过层级映射、卷积增强注意力、跨层级采样及个性化增强，提升知识状态推断与教育评估公平性。
2024-11-21 cs.AI cs.CY
DK-PRACTICE: An Intelligent Educational Platform for Personalized Learning Content Recommendations Based on Students Knowledge State
International Hellenic University（国际希腊大学）
本文提出DK-PRACTICE智能教育平台，通过自适应问答评估学生知识状态，利用机器学习动态选题并推荐学习材料，支持教学前后测试与进度可视化，促进个性化学习。
2024-12-13 cs.AI cs.CY
Talent is Everywhere, Mobility is Not: Mapping the Topological Anchors of Educational Pathways
Universidad de Concepción（康塞普西翁大学）
本文通过分析智利学生数据，利用机器学习识别学生类型并构建教育空间，揭示社会经济背景对教育流动性的影响，为减少不平等提供政策参考。
2025-12-18 cs.CY
How Do Students Interact with an LLM-powered Virtual Teaching Assistant in Different Educational Settings?
Georgia Institute of Technology（佐治亚理工学院）
本文分析了学生与LLM驱动的虚拟教学助手Jill Watson在多课程中的交互，发现其支持广泛认知需求并鼓励高阶认知提问，但使用频率受课程环境影响，为未来AI教育工具开发提供了启示。
2024-07-25 cs.AI cs.CY
Ontology-driven Reinforcement Learning for Personalized Student Support
Rowan University（罗文大学）
本文提出一个结合本体、数据收集与多智能体强化学习的通用模块化框架，可适配严肃游戏或智能导学系统等虚拟教育软件，为每位学生提供个性化支持。
2024-09-05 cs.CY cs.LG cs.MA
Educational Question Mining At Scale: Prediction, Analysis and Personalization
Microsoft Research Cambridge（微软研究院剑桥分部）
在线教育平台使教师能够共享大量的教育资源，如问题，以形成练习和测验给学生。由于有大量可用的问题，重要的是要有一种自动化的方法来量化它们的属性，并为学生智能地选择它们，从而实现有效和个性化的学习体验。在这项工作中，我们提出了一个框架，从大规模的教育问题挖掘见解。我们利用最先进的贝叶斯深度学习方法，特别是部分变分自动编码器（p-VAE），来分析真实学生对大量问题的答案。基于p-VAE，我们提出了两个新的指标，量化问题的质量和难度，分别，和个性化的策略，以自适应地选择问题的学生。我们将我们提出的框架应用于现实世界的数据集，该数据集包含来自在线教育平台的数万个问题和数千万个答案。我们的框架不仅展示了有前途的结果，在统计指标，但也获得了高度一致的结果与领域专家的评价。
2021-03-01 cs.CY cs.LG stat.AP
AI-Educational Development Loop (AI-EDL): A Conceptual Framework to Bridge AI Capabilities with Classical Educational Theories
State University of New York (SUNY) Brockport（纽约州立大学布罗克波特分校）
AI-EDL框架通过结合经典教育理论与AI技术，提升学生学习效果，通过透明、自我调节和教学监督机制，实现反馈的即时性与具体性，促进学生成长。
2026-01-08 cs.AI cs.CY
Multi-split Optimized Bagging Ensemble Model Selection for Multi-class Educational Data Mining
University of Sharjah（沙迦大学）；University of Western Ontario（西安大略大学）
近年来，学生学习成绩预测一直是一个研究热点，许多机构都致力于提高学生的学习成绩和教育质量。利用各种数据采掘技术可以实现对学生成绩的分析和预测。此外，这种技术允许教师确定可能影响学生最终分数的可能因素。为此，这项工作分析了两所不同大学的两个不同的本科生数据集。此外，这项工作的目的是预测学生的表现在两个阶段的课程交付（分别为20%和50%）。该分析允许适当地选择要使用的适当的机器学习算法以及优化算法的参数。此外，这项工作采用了一个系统的多分裂方法的基础上基尼指数和p值。这是通过优化一个合适的装袋集成学习器来完成的，该集成学习器是从六个潜在的基本机器学习算法的任何组合构建的。实验结果表明，所提出的bagging集成模型对两个数据集的目标群体都具有较高的精度。
2020-06-09 cs.CY cs.LG
Applicability of Educational Data Mining in Afghanistan: Opportunities and Challenges
提交人本人在阿富汗求学和后来担任讲师的经历表明，教育制度所采用的方法不仅有缺陷，而且没有为学生在参加全国大学入学考试（Kankor）之前选择适当的学习课程提供最起码的指导，因此，往往导致高辍学率和高等教育成绩差。根据在其他国家所做的研究，以及本文作者通过向阿富汗大学生分发的在线问卷调查发现，高中的适当程序和专业学习可以帮助学生更系统地选择专业学习领域。此外，众所周知，有大量数据可用于挖掘目的，但教育部和高等教育部用于存储和生成数据的方法只能使他们获得简单的事实和数字。此外，从结果可以得出结论，有潜在的机会，教育数据采掘应用领域的阿富汗的教育系统。最后，本研究将提供使用教育数据采掘来改善教育业务流程的方法。例如，为高中毕业生预测合适的学习领域，或者确定大学一年级的学生谁是高风险的自然减员。
2017-03-02 cs.CY
Exploring Educational Equity: A Machine Learning Approach to Unravel Achievement Disparities in Georgia
本研究利用机器学习分析佐治亚州K-12学生数据，揭示疫情期间英语和数学成绩下降，社会经济地位是主要影响因素，并提出针对性资源分配以缓解教育差距。
2024-01-25 cs.CY cs.LG stat.AP
A Prototype for Educational Planning Using Course Constraints to Simulate Student Populations
远程学习大学通常为学生提供灵活性，让他们按照自己的进度推进学习。这可能会导致一个程序的课程内的学生人数相当大的波动，可能会影响一个程序的学术可行性以及相关的所需资源。提供一种估计这一人口的方法可能对大学管理和学术人员有很大的帮助。我们描述了如何使用课程优先约束来计算替代学费路径，然后使用马尔可夫模型来估计未来的人口。在此过程中，我们确定了大规模潜在部署的关键问题。
2009-03-11 cs.AI cs.CY cs.DS
Educational data mining using jmp
教育数据采掘在高等教育领域是一个发展趋势。通过从学生数据库/数据仓库中发现隐藏的知识，可以提高教育机构的质量。本文旨在对迪布鲁加尔大学不同学院的TDC（三年制学位）课程学生进行比较研究。这项研究是按主要科目、性别和类别/种姓进行的。实验结果可以通过SAS JMP软件的Scatterplot 3D、Bubble Plot、Fit Y by X、Run Chart、Control Chart等可视化。
2014-11-08 cs.CY
Student Satisfaction mining in a typical core course of Computer Science
学生的满意度对一所教育机构的成功起着至关重要的作用。因此，许多教育机构不断改善他们的服务，以创造一个支持性的学习环境，以满足学生的需要。为此，教育机构收集学生满意度数据，以做出有关机构质量的决策，但到目前为止，它不能确定，因为学生满意度是一个复杂的问题，它受到学生和机构的各种特征的影响。有许多研究已经执行，以检查学生满意度的形式，大学服务，程序，学生住宿设施，师生互动，咨询时间等，所以，我们仍然不能有一个标准的方法来知道是怎么回事的满意度的情况下，核心课程。本研究以计算机科学核心课程为研究对象，探讨影响学生满意度的主要因素，以及其他因素的现状。
2015-04-16 cs.CY
SCALEFeedback: A Large-Scale Dataset of Synthetic Computer Science Assignments for LLM-generated Educational Feedback Research
Monash University（莫纳什大学）；Tsinghua University（清华大学）
提出SCALEFeedback数据集，包含10,000份合成学生作业，覆盖59门大学计算机科学课程，用于开发基于LLM的可泛化自动教育反馈方法。
2026-10-27 cs.CY
Investigating the role of educational robotics in formal mathematics education: the case of geometry for 15-year-old students
Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
研究表明，教育机器人（ER）可以提高学生的表现，兴趣，参与和协作。然而，到目前为止，机器人技术在正规教育中的应用仍然相对较少。除其他原因外，这是由于难以确定教育机器人学习活动与课程所设想的学习成果的一致性，以及它们与教师实践中已确立的传统非机器人学习活动的整合。这项工作调查ER到正规的数学教育的整合，通过准实验研究，采用Thymio机器人和Scratch编程教几何两个班的15岁的学生，共26名参与者。本研究提出了三个问题：（1）基于ER的理论讲座应该先于、继承还是取代传统的理论讲座？(2)学生对以英语为基础的讲座和练习的看法和参与度如何？(3)研究结果是否因学生先前对数学的欣赏而有所不同？实验结果表明，ER活动在帮助学生掌握相关理论概念方面与传统活动一样有效。机器人活动似乎特别有益的锻炼会议期间：学生自由选择做练习，包括机器人，评价他们作为显着更有趣和有用的比他们的传统同行，并表示有兴趣在其他数学讲座介绍ER。最后，喜欢和不喜欢数学的学生之间的结果基本一致，这表明使用机器人技术作为一种手段，以扩大学生的数量从事学科。
2021-06-21 cs.CY cs.RO
Predicting Student Dropout Risk With A Dual-Modal Abrupt Behavioral Changes Approach
The Hong Kong Polytechnic University（香港理工大学）；The Education University of Hong Kong（香港教育大学）
针对离线教育场景下辍学预测数据质量差、教育理论指标难量化的问题，提出整合学业与行为数据的双模态多尺度滑动窗口模型，通过捕捉行为突变提升15%预测准确率，为早期干预提供工具。
2025-05-16 cs.AI cs.CY cs.LG
Machine Learning-Driven Student Performance Prediction for Enhancing Tiered Instruction
School of Information Science and Engineering, Shandong Normal University（山东师范大学信息科学与工程学院）
本研究提出将机器学习学生成绩预测与分层教学相结合，通过特征选择降低冗余，采用随机森林实现最优分类，并据此设定分层教学目标，实验验证了该框架能有效提升教学成效。
2025-02-05 cs.CY cs.LG
Modelling End-of-Session Actions in Educational Systems
在本文中，我们考虑的问题建模时，学生结束他们的会议在网上数学教育系统。能够准确地建模将有助于我们优化内容的呈现和消费方式。这是通过对会话中最后一个动作的概率进行建模来完成的，我们将其表示为会话结束概率。我们使用来自系统的日志数据，在该系统中，学生可以通过各种学习材料以及多种类型的练习来学习数学，因此学生会话可以包括许多不同的活动。我们通过深度递归神经网络对会话结束概率进行建模，以便利用长期的时间方面，我们的实验表明这是这项任务的核心。使用超过7000万个学生动作的大规模数据集，我们在一个看不见的学生集合上获得了0.81的AUC。通过详细的错误分析，我们观察到我们的模型在不同的会话结构和不同的会话长度上是鲁棒的。
2019-09-15 cs.CY
Identifying Critical LMS Features for Predicting At-risk Students
学习管理系统（LMS）在高等教育中已成为必不可少的，并在帮助教育机构促进学生成功方面发挥着重要作用。传统上，LMS已被用于高等教育机构在管理，报告和教育内容的交付。在本文中，我们提出了一个额外的使用LMS通过使用其数据日志来执行数据分析，并确定学术风险的学生。数据驱动的见解将使教育机构和教育工作者能够制定和实施针对学术风险学生的教学干预措施。我们在2019年秋季，2020年春季和2020年秋季学期在我们学院使用了由martspace LMS创建的匿名数据日志。有监督的机器学习算法被用于预测学生的最终课程表现，发现几种算法表现良好，准确率超过90%。SHAP值法用于评估预测模型中使用的特征的相对重要性。无监督学习也被用来分组学生到不同的集群的基础上，他们的互动/参与LMS的相似性。在监督学习和无监督学习中，我们确定了两个最重要的特征（Number_Of_Assignment_Submissions和Content_Completed）。更重要的是，我们的研究奠定了基础，并为开发可纳入LMS的实时数据分析指标提供了框架。
2022-04-27 cs.CY cs.LG
Are Educational Escape Rooms More Effective Than Traditional Lectures for Teaching Software Engineering? A Randomized Controlled Trial
通过随机对照试验（326名学生）比较教育逃生室与传统讲座在软件工程教学中的效果，发现逃生室能显著提升知识获取且学生感知积极。
2024-07-17 cs.CY cs.HC cs.SE
BoilerTAI: A Platform for Enhancing Instruction Using Generative AI in Educational Forums
Purdue University（普渡大学）；Institutional Data Analytics and Assessment（机构数据分析与评估中心）
本文提出BoilerTAI平台，将GenAI与教育论坛集成，由AI-TA预回答并审核学生问题；实验表明其可降低认知负荷且不影响学生接受度。
2024-09-20 cs.CY cs.HC cs.LG
Breaking Barriers: Assistive Technology Tool as Educational Software to support Writing
泰国皇家医院的初步报告显示，泰国6%的学生可能患有学习障碍。因此，我们的学院有必要开发合适的信息和通信技术，以帮助这些学习障碍儿童的教育。因此，我们开发了一个名为泰语单词预测程序的程序。泰语单词预测计划旨在帮助有学习障碍的学生写作。在可用性工程之后，我们在曼谷的学校对有学习障碍的学生进行了实验。因此，本研究中的三名学困生的写作能力分别提高了50%、81.89%和100%。
2014-02-19 cs.CY cs.HC
System of Computer Modeling and Features of their use in the Educational Process of General Secondary Eeducation
本文分析了计算机建模作为教育过程发展的一个前瞻性方向的历史形成过程。“计算机建模系统”的概念，计算机建模系统的概念模型（SCMod），其组件（数学，动画，图形，战略），功能，原则和使用目的是有根据的。介绍了SCMod组织学生工作的特点、个人和小组工作的特点、学科能力的形成以及学生的学习动机。据确定，教育机构可以在不同的培训层次和阶段以及在不同的背景下使用SCMod，其中包括相互关联的物理，社会，文化和技术方面。据确定，在普通中学使用SCMod将提高教师的能力，以改善学生在自然和数学科目方面的培训，并有助于学习过程的个性化，以满足每个特定学生的速度、教育兴趣和能力。实践证明，在自然数学学科的学习中使用SCMod有助于形成学科能力，发展分析和决策技能，提高数字交流水平，发展警觉性，提高知识水平，增加学生的注意力持续时间。进一步的研究需要证明学生在自然数学学科中形成能力的过程和使用SCMod设计认知任务的过程。
2020-05-03 cs.CY cs.OH
Patterns in Illinois Educational School Data
我们检查伊利诺伊州的教育数据，从标准化考试和分析影响公立学校学生成绩的主要因素。我们专注于最简单的模型：通过可视化和单变量回归来表示数据。考试成绩取决于学校类型、地点和贫困集中程度。对于伊利诺斯州的大多数学校来说，学生的考试成绩随着贫困程度的增加而线性下降。但是，芝加哥必须单独对待。芝加哥的选择性学校，以及一些传统和特许学校，偏离了这种基于贫困的模式。对于任何贫困水平，芝加哥学校的表现都比伊利诺伊州其他地区的学校好。与伊利诺伊州其他学校类型相比，天才学生的选择性课程在每个年级都表现出色，最明显的是在高中阶段。芝加哥特许学校的情况更为复杂。在过去的六年里，他们的学生的成绩超过了传统的芝加哥高中的学生。
2015-01-29 cs.CY physics.ed-ph physics.soc-ph
A review of clustering models in educational data science towards fairness-aware learning
L3S Research Center, Leibniz University Hannover（汉诺威莱布尼茨大学L3S研究中心）；Leibniz University Hannover（汉诺威莱布尼茨大学）；Institute for Didactics of Mathematics and Physics, Leibniz University Hannover（汉诺威莱布尼茨大学数学与物理教学研究所）；Research Institute CODE, Bundeswehr University Munich（慕尼黑联邦国防军大学CODE研究所）
本文综述了教育数据科学中的聚类模型及其公平性，重点研究应用于教育活动的公平聚类模型，以确保分析学生数据时的公平性。
2023-01-09 cs.CY cs.LG
ELMO2EDS: Transforming Educational Credentials into Self-Sovereign Identity Paradigm
本文提出ELMO2EDS方案，将EMREX教育数字凭证转换为自主主权身份格式，以解决学生认证问题，并支持学业凭证的签发、存储与验证。
2024-06-17 cs.CY
Is ChatGPT Massively Used by Students Nowadays? A Survey on the Use of Large Language Models such as ChatGPT in Educational Settings
Isep – School of Digital Engineers（Isep数字工程师学院）；University of Trento（特伦托大学）
本研究调查了法国和意大利395名13至25岁学生使用LLMs的情况，发现其广泛使用存在性别与年龄差异及潜在认知风险，建议教育机构调整课程以促进AI工具的公平有效整合。
2024-12-23 cs.AI cs.CY
Research on Education Big Data for Students Academic Performance Analysis based on Machine Learning
LaFetra College of Education, University of La Verne（拉文大学拉菲特教育学院）；Steinhardt School of Culture, Education, and Human Development, New York University（纽约大学斯坦哈特文化、教育与人类发展学院）；Hunan University of Humanities, Science and Technology（湖南人文科技学院）
本研究针对教育数据挖掘问题，提出基于LSTM的机器学习模型分析教育大数据以评估学生表现，通过捕捉时间依赖性和长期趋势支持个性化教育，并经交叉验证证实了其预测有效性。
2024-06-25 cs.CY cs.LG
Co-Creating Educational Project Management Board Games to Enhance Student Engagement
长期以来，管理教育奖学金一直强调，有必要利用更具创新性的教学实践，提高商学院学生的参与度。这越来越促使学者们努力在教师和学生之间建立更多的合作教学动力。与此同时，对基于游戏的学习材料（如棋盘游戏）的共同创作的研究主要集中在教育工作者让学生参与设计过程时游戏的附加值上。然而，很少有研究将共同创造的游戏设计练习作为教学经验本身，从而忽视了将这些活动概念化为创新教学工具的机会，可以帮助教育工作者促进学生的参与和参与。为了解决这一研究差距，本文提出了一个案例研究，项目管理的学生参加了两个共同创作研讨会设计教育项目管理游戏。在两次讲习班结束时，通过焦点小组收集了数据。在整个文件中，我们试图提出这些进程的一些积极成果，以及通过收集的数据出现的一些关键点。值得一提的成果包括一系列积极的特点，合作创造性的游戏为基础的学习活动，如加强参与，以及一系列的挑战时，促进这些活动。本研究的主要结果已组织在两个框架，一个概述了五个积极的特点，共同创造性的游戏为基础的学习活动：参与知识，知识评估，创造力，沟通和第二概述的挑战，促进这些活动：缺乏重点，缺乏结构和需要更多的实践为导向的游戏。
2021-04-18 cs.CY
Exploring Student Interactions with AI-Powered Learning Tools: A Qualitative Study Connecting Interaction Patterns to Educational Learning Theories
本研究通过分析学生与AI学习工具的互动模式，探讨其与教育学习理论的关联，提出基于实际体验的AI学习环境设计框架。
2025-11-29 cs.CY stat.AP
Empowering Database Learning Through Remote Educational Escape Rooms
该研究针对数据库教学需求，在四门高校课程中开展为期两学年的远程教育密室逃脱教学实验，通过前后测、问卷及行为记录平台验证，证明其兼具吸引力与教学效果，为数据库远程教学提供了新的有效路径。
2024-08-28 cs.CY cs.DB
Artificial Intelligence in Secondary Education: Educational Affordances and Constraints of ChatGPT-4o Use
National and Kapodistrian University of Athens（雅典国立卡波季斯特里大学）；University of Nicosia（尼科西亚大学）
本研究探讨了中学学生使用AI进行教学与学习的教育可能性与限制，发现学生认可五个教育价值，同时识别出三个主要限制，结论是学生对AI在教育中的使用持积极态度。
2026-03-27 cs.CY
Outcome-Based Quality Assessment Framework for Higher Education
本研究论文提出了一个高等教育质量框架，根据即将离任的学生的表现来评估机构的表现。文献进行了调查，以评估现有的质量框架，并制定一个框架，提供了一个未探索的质量方面的见解。为了实现和测试框架，基于云的大数据技术BigQuery与R一起使用来执行分析。研究发现，学生在通过一门课程后的公平程度是教育过程的结果。这方面也可以作为一个质量度量的性能评估和管理的教育组织。然而，在现有的研究中没有考虑到这一点。缺乏一个集成的数据汇集系统和丰富的数据集的教育智能应用程序，是困扰这一领域的研究的一些限制。教育机构对学生的表现负责，即使他们完成了课程。将这一层面纳入质量评估，将有助于根据这些理由对教育机构进行评估。这一质量方面的保证将提高研究生和研究学位的入学率。此外，教育机构将积极培养学生进行实习或高等教育。
2017-03-15 cs.CY
Bayes Nets in Educational Assessment: Where Do the Numbers Come From?
Educational Testing Service（教育考试服务中心）
随着观察和学生模型变得复杂，利用技术和认知心理学进步的教育评估可以超越熟悉的测试模型和分析方法。在评估设计的门户概念框架内，贝叶斯推理网络（BINs）根据学生的言行记录了他们对知识和技能的信念。加入证据模型BIN片段-其中包含可观察变量和指向学生模型变量的指针-到学生模型允许人们在观察到达时更新关于知识和技能的信念。马尔可夫链蒙特卡罗（MCMC）技术可以从经验数据中估计所需的条件概率，并辅以专家判断或实质性理论。项目反应理论（IRT）和多变量潜在类建模的特殊情况下的细节，后者的一个数值例子。
2013-01-23 cs.AI cs.CY stat.AP
Building ArtBots to Attract Students into STEM Learning
Ghent University（根特大学）；Dwengo；Autodesk；Ingegno
全世界对受过科学和技术教育的人的需求日益增加。不幸的是，女孩和贫困学生在科学，技术，工程和数学（STEM）教育计划中的代表性往往不足。我们相信，通过将艺术纳入这些计划，教育活动可能会对更广泛的受众更具吸引力。在这项工作中，我们提出了此类教育活动的一个例子：针对中学生的国际机器人和艺术周。这项教育活动建立在项目为基础的研究性学习框架之上。本文旨在作为一个简短的手册，以帮助其他人组织这样的活动。它还提供了我们如何带领一个高度异质性的学生群体学习STEM并成为同龄人的科学和技术大使的见解。
2016-08-11 cs.CY cs.RO
Big Data and Analytics Implementation in Tertiary Institutions to Predict Students Performance in Nigeria
University of Abuja（阿布贾大学）
大数据一词是指传统数据处理技术无法处理的大量数据。大数据仍然是一个新的概念，在下面的文献中，我们打算以一种明显的方式详细阐述它。大数据为教育机构提供了一个机会，可以战略性地利用他们的信息技术资源来提高教育质量，引导学生提高完成率，提高学生的持久性和成果。本文探讨了与教育机构相关的大数据属性，调查了影响学习机构采用大数据和分析的因素，并试图建立阻碍高等院校使用大数据的限制因素。本研究采问卷调查设计，以问卷为数据汇集工具。
2022-07-29 cs.AI cs.CY cs.LG
Educational Robotics in Online Distance Learning: An Experience from Primary School
University of Applied Sciences and Arts of Southern Switzerland (SUPSI)（瑞士南部应用科学与艺术大学）；Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
2019冠状病毒病疫情导致学校暂时关闭，为全球许多教师和学生带来了新的挑战。特别是突然转向在线远程学习提出了许多障碍要克服，它特别复杂的教育机器人活动的实施。这些活动通常包括各种不同的学习物品，在学校关闭期间，许多学生无法获得这些物品。此外，在线远程学习大大限制了学生与同龄人和教师互动的可能性。在试图解决这些问题，这项工作提出了一个教育机器人活动的发展，特别是设想在小学在线远程学习。所设计的活动以笔和纸的方式为基础，并辅之以常用的社交媒体，以促进沟通和协作。他们提出了13名学生，作为一种方式，继续ER活动在网上远程学习超过四周的时间。
2021-05-20 cs.CY cs.RO
Similarity in Observable Behaviors: A Synthesis of Studies with Implications for Socially-Aware Educational Technology Design
对话就像一个复杂的伙伴舞蹈和行为趋同，或随着时间的推移，在可观察到的行为的合作伙伴的相似性，可以导致共同的理解，改变信仰和增加融洽关系。本文介绍了一个合成的三股细粒度的分析同行辅导中的会话互动的语言和言语水平，在试图更好地理解行为收敛的现象及其与社会和认知结构的关系，我们的工作。社会意识的代理人，可以提高任务的性能，通过收敛和从人类学习者的行为发展的影响进行了讨论。
2016-08-09 cs.CY cs.HC
Beyond the Hype: Critical Analysis of Student Motivations and Ethical Boundaries in Educational AI Use in Higher Education
本文探讨高等教育中学生使用 AI 的动机与伦理问题，指出学生普遍依赖 AI 工具但缺乏指导，女性更关注 AI 滥用风险，提出通过 AI 文化课程和评估改革促进负责任的 AI 采用。
2025-12-10 cs.CY
FoundationalASSIST: An Educational Dataset for Foundational Knowledge Tracing and Pedagogical Grounding of LLMs
Worcester Polytechnic Institute（沃斯特理工大学）；The ASSISTments Foundation（ASSISTments基金会）；University of Central Florida（中央佛罗里达大学）
FoundationalASSIST 是首个为研究LLM在教育中的应用而设计的英文教育数据集，提供完整问题文本、学生实际回答和对齐标准，用于评估LLM在知识追踪和教学基础方面的性能。
2026-01-20 cs.CL cs.CY cs.LG
Computer Simulation-Based Learning: Student Self-Efficacy During COVID-19 Outbreak
由于COVID-19成为大流行病，政府已在全国范围内强制关闭多项活动，包括教育活动。它导致了大学的巨大迁移，互联网教育作为教育平台。基于实践的学习成为一个新的挑战。本研究旨在探讨以计算机模拟为基础的学习对学生在电路分析课程中自我效能感的影响。对于本研究中的17名参与者，学生们已经克服了长期平均分数所示的现有成就。基于计算机模拟的学习对学生自我效能感有积极的影响。学生们也感受到了宝贵的学习经验。
2022-02-11 cs.CY
A Scheduling Perspective on Modular Educational Systems in Europe
本研究提出欧洲模块化教育系统的分类框架，对比六国教育系统发现芬兰模块化程度最高，指出模块化排课难度大，自动化排课方法对落地模块化教育的价值至关重要。
2024-02-07 cs.CY
