LLM-Driven Rubric-Based Assessment of Algebraic Competence in Multi-Stage Block Coding Tasks with Design and Field Evaluation
Hongik University(弘益大学)
本研究提出并现场验证了一个由LLM驱动的评分量规评估框架,用于多阶段积木式编程任务中的代数能力,与专家判断高度一致,并生成面向过程的反馈,证明了其有效性和可扩展性。
2025-10-04 cs.AI cs.CY
Archetypes or ability? Clustering for modelling student mathematical competence
STFC Hartree Centre(STFC哈特里中心);University of Manchester(曼彻斯特大学);University of Cambridge(剑桥大学)
本研究对英国11.9万名学生的考试数据应用伯努利混合模型聚类,发现学生数学能力的主导因素是整体能力,而非离散技能,且该可解释模型准确率达78%,为教育领域提供了新基准。
2026-07-30 cs.AI cs.CY cs.LG
SOS TUTORIA UC: A Diversity-Aware Application for Tutor Recommendation Based on Competence and Personality
本文开发了集成 WeNet 平台的辅导推荐应用 SOS TUTORIA UC,通过引入大五人格特质维度并结合能力水平,为学生推荐知识更丰富且人格匹配偏好相符的辅导者,验证了多样性感知推荐的有效性。
2023-09-19 cs.CY
Evolutionary Neural Architecture Search for Transformer in Knowledge Tracing
Anhui University(安徽大学);Key Laboratory of Intelligent Computing and Signal Processing of Ministry of Education(教育部智能计算与信号处理重点实验室);Guangdong University of Foreign Studies(广东外语外贸大学)
针对现有基于Transformer的知识追踪方法存在的手动选特征、单一全局建模难捕捉遗忘行为的问题,提出进化神经架构搜索方法,自动选特征并平衡局部/全局上下文建模,在两大教育数据集上验证了有效性。
2023-10-02 cs.AI cs.LG cs.NE
Leveraging Machine Learning Techniques to Investigate Media and Information Literacy Competence in Tackling Disinformation
University of Córdoba(科尔多瓦大学);Universidad Politécnica Metropolitana de Hidalgo(伊达尔戈州大都会理工大学);University of Tuscia(图西亚大学)
本文通过机器学习模型评估学生媒体与信息素养能力,揭示影响因素,为教育干预提供依据。
2026-03-20 cs.AI cs.CY cs.LG
Skills in computational thinking of engineering students of the first school year
本研究使用先前验证的工具,评估巴斯克大学一年级工程新生在批判性思维、算法思维、问题解决、合作性和创造力方面的计算思维技能掌握情况。
2024-02-06 cs.CY
Towards an AI Buddy for every University Student? Exploring Students' Experiences, Attitudes and Motivations towards AI and AI-based Study Companions
University of Zurich(苏黎世大学);Zurich University of Teacher Education(苏黎世师范大学)
研究探讨大学生使用AI工具的经验、数字能力及采用个性化AI伙伴的意愿,发现学生普遍对AI伙伴持积极态度,但担忧数据隐私和依赖问题,同时发现采用意愿与传统学术活动动机呈弱负相关。
2026-03-21 cs.CY cs.HC
Thermal Infrared Imaging to Evaluate Emotional Competences in Nursing Students: A First Approach through a Case Study
本研究通过案例研究评估热成像技术监测护理学生情绪技能的有效性,发现不同情绪刺激引发特定的面部热反应,表明热成像是护理教育中非侵入性、可量化的情绪训练方法。
2024-02-14 cs.CY
Empowering First-Year Computer Science Ph.D. Students to Create a Culture that Values Community and Mental Health
博士课程通常有很高的抑郁率,焦虑,孤立和冒名顶替现象。因此,即将毕业的学生可能会觉得没有为以研究为重点的职业做好充分的准备,从而导致人才的流失。以前的工作确定了一个重要的影响因素失调:即使与以前接触的研究,进入博士学位。学生们常常对科学持有有问题的理想化观点。这些先入为主的观念可能成为学生自身专业成长的障碍。不幸的是,许多博士课程中现有的课程和课外计划未能包括系统地解决学生对其专业的误解的机制。在这项工作中,我们描述了一个新的倡议,在我们的机构,旨在解决博士。心理健康通过进入博士生的强制性研讨会。该研讨会旨在通过以下方式建立学生的专业弹性:(1)提高自我调节能力,(2)教学生积极检查学术文化价值观并参与塑造它们。我们的评估表明,学生在完成研讨会后,在这两个领域的改善。
2022-12-21 cs.CY
ProofBuddy: A Proof Assistant for Learning and Monitoring
本文提出基于网络、使用 Isabelle 的 ProofBuddy 工具,通过细粒度交互数据支持研究证明助手在证明教学中的效果,并在丹麦技术大学完成初步可用性研究。
2023-08-14 cs.CY cs.LO
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
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
Modelling student online behaviour in a virtual learning environment
Knowledge Media Institute, The Open University(开放大学知识媒体研究所);University of Economics, Prague(布拉格经济大学)
近几年来,远程教育蓬勃发展。开放大学的大部分工作都集中在提高这些模块的保留率,为那些有可能不及格的学生提供及时的支持。在本文中,我们探讨了分析学生活动在网上虚拟学习环境(VLE)的方法-一般一元假设自动机(GUHA)和基于马尔可夫链的分析-我们解释了如何这种分析可以是相关的模块导师和其他学生支持人员。我们表明,这两种方法是一种有效的方法来模拟学生活动。马尔可夫链为基础的方法的一个优点是在其图形输出和学生活动的时间依赖性建模的可能性。
2018-11-09 cs.CY cs.LG stat.ML
The Evolution of Teaching Methods of Students in Electronic Social Networks
电子社交网络(ESN)作为一种新的教学方法,是现代教师选择的一种新的教学方法,他们具有足够的专业、信息和沟通能力,经过几个阶段的形成,现在被广泛应用于中学的教育过程中。本文论述了通过电子社交网络确定中学教学方法的基本途径。教学方法的选择,特别是通过学习的内部逻辑路径的主要途径,被定义。本文论述了比较法、综合法、归纳法、分类法、分析法、综合法、形成性评价法等教学方法。文中给出了每种方法的应用实例和算法。它建立了教学方法的有效性不仅取决于相同的方法,但教师的技能,使用社交网络和信息通信技术的功能。
2018-07-16 cs.CY
Simulating Students with Large Language Models: A Review of Architecture, Mechanisms, and Role Modelling in Education with Generative AI
Institute for Computer Research University of Alicante(计算机研究所阿利坎特大学)
本文综述了利用大型语言模型模拟学生行为在教育中的应用,探讨了其在学习者建模、教学评估和教师培训中的潜力与挑战。
2025-11-08 cs.AI cs.CL cs.CY
Finding Common Mistakes In Modelling With Mathematical Formalisms Using LLMs
Ruhr University Bochum(波鸿鲁尔大学)
本研究提出一种基于LLM的工作流程,用于识别数学形式化建模中的常见错误,通过错误修复转换生成候选并聚类可视化,在命题逻辑等数据集上验证了其有效性和可扩展性。
2026-09-16 cs.AI cs.CY cs.LO
Toward Cyclic A.I. Modelling of Self-Regulated Learning: A Case Study with E-Learning Trace Data
University of St. Andrews(圣安德鲁大学);University of Portsmouth(普利茅斯大学)
本文针对自我调节学习理论模型难以在机器学习框架中表征的问题,提出将SRL特征应用于电子学习追踪数据,以提升学习因果效应的预测准确性和可解释性,并验证了循环建模技术的进一步研究价值。
2025-06-25 cs.AI cs.CY cs.HC
Modelling Student Behavior using Granular Large Scale Action Data from a MOOC
UC Berkeley(加州大学伯克利分校)
数字学习环境生成学习者在与学习材料互动并完成理解练习时所采取的行动的精确记录。有了这些大量的连续数据,就有可能应用时间序列模型来了解潜在的行为模式和趋势,这些模式和趋势是基于学生行为的粒度记录来表征成功学习的特征。有几种方法可以用来查看纵向的、连续的数据,比如从学习环境中记录的数据。在语言建模领域,传统的n-gram技术和现代递归神经网络(RNN)方法已经被应用于算法上找到语言中的结构,并在给定句子或段落中的前一个单词作为输入的情况下预测下一个单词。在本文中,我们通过将MOOC中的资源视图和交互的学生序列作为输入并预测学生的下一次交互作为输出来类比这项工作。在这项研究中,我们只对获得结业证书的学生进行训练。在这样做的过程中,该模型可能被用于推荐最终导致成功的序列,而不是永久的非生产性行为。考虑到我们研究中使用的MOOC有超过3,500个独特的资源,预测学生接下来将与之交互的确切资源似乎是一个困难的分类问题。我们发现,简单地按照教学大纲(课程的内置结构)进行预测,平均准确率为23%,其次是n-gram方法,准确率为70.4%,基于RNN的方法为72.2%。这项研究为MOOC和其他存在大量序列数据的数字学习环境中的推荐奠定了基础。
2016-08-16 cs.CY cs.LG
The CAPIRE Curriculum Graph: Structural Feature Engineering for Curriculum-Constrained Student Modelling in Higher Education
针对高等教育课程先修约束下的学生辍学预测问题,提出嵌入CAPIRE框架的CAPIRE课程图结构特征工程层,通过课程图结构特征有效提升了学生辍学预测性能。
2025-11-19 cs.CY
Measuring Domain Knowledge for Early Prediction of Student Performance: A Semantic Approach
数据采掘的日益普及促使研究人员探索教育的各个令人兴奋的方面。早期预测学生的表现是其中一个新兴领域。研究人员在性能建模研究中使用了各种预测因子。虽然先前的认知会影响学生的表现,建立他们的关系仍然是一个开放的研究挑战。从现有数据中量化知识是这方面的主要挑战。为此,我们提出了一个语义的方法。对近35万个观察结果的关联挖掘表明,先前的认知会影响学生的表现。所提出的测量领域知识的方法可以帮助早期的性能建模研究使用它作为一个预测器。
2021-07-15 cs.CY
CAPIRE: Modelling the Impact of Teacher Strikes and Inflation on Student Trajectories in Engineering Education
National University of Tucumán(图库曼国立大学)
本研究扩展CAPIRE框架新增宏观冲击模块,结合阿根廷工程学院学生数据构建特征集,通过随机森林模型提升辍学预测效果,嵌入智能体模型揭示宏观冲击对学生轨迹的影响,为相关理论与情景规划提供支持。
2025-11-18 cs.CY
Logical Modelling in CS Education: Bridging the Natural Language Gap
针对逻辑形式化中选择词汇表这一被忽视的步骤,提出包含丰富语言和NLP检查反馈的概念框架,在Iltis系统中实现并验证了其有效性。
2025-04-30 cs.CY cs.LO
Tools of computer simulation in learning physics
本文用计算机模拟的方法研究了学生在物理学习中的智能发展问题。在物理学习中进行计算机模拟教学的主要目标是:培养学生的总体观、掌握建模知识的方法、培养学生的计算机模拟实践技能、落实学科间的关系、培养学生的计算机技能和专业化技能、构建项目活动的技能。指出物理过程的计算机模拟手段是智能学习环境的组成部分之一。详细论述了仿真软件的分类,如演示、建模软件和活动环境即教育软件工具。使用演示和建模软件可以建立跨学科的交流,提高知识质量,创造积极的动机,提高学生对该主题的兴趣。教育软件工具即活动环境,是一种智能化的教育系统,它的使用有助于理解事物的本质和模型之间的逻辑关系,特别是模型的构建,使学生形成以建模作为认识世界的一种方法的观念。因此,充分利用教育软件工具这一物理学习的活动环境,有助于学生智力的发展。
2018-08-18 cs.CY physics.ed-ph
Bridging LMS and generative AI: dynamic course content integration (DCCI) for enhancing student satisfaction and engagement via the ask ME assistant
Eötvös Loránd University(罗兰大学)
针对LLM集成LMS时的幻觉问题,提出DCCI机制构建Ask ME助手,经120名学生试点验证,该机制可有效缓解幻觉,提升学生满意度与学习参与度。
2025-11-13 cs.AI cs.CY cs.ET
Data-driven modelling and characterisation of task completion sequences in online courses
学习的内在时间性要求采用能够利用时间序列信息的方法。在这项研究中,我们利用序列数据框架,并显示如何在网上课程的任务完成的时间序列的数据驱动的分析,可以用来验证个人和团体学习者的行为,并确定在给定的课程设计的关键任务和课程会话。我们还介绍了最近开发的概率贝叶斯模型来学习学生的序列轨迹和预测学生的表现。我们的数据驱动的基于序列的分析,从学习者的数据进行在线业务管理课程的应用程序揭示了不同的行为在学习者的队列,识别学习者或学习者群体偏离名义上的顺序预期的过程中。使用课程成绩后验,我们探讨高和低绩效学习者之间的行为差异。我们发现,高性能的学习者遵循每周会议之间的进展比低性能的学习者更有规律,但在每个每周会议高性能的学习者较少绑定到名义任务顺序。然后,我们使用概率贝叶斯模型对高绩效和低绩效学生的序列进行建模,并表明我们可以学习与绩效相关的参与行为。我们还表明,数据序列框架可以用于以任务为中心的分析,我们确定关键的连接点和课程设计中的任务类型之间的差异。我们发现,非死记硬背的学习任务,如互动任务或讨论帖子,与更高的性能相关。我们讨论了这种分析技术的应用,以帮助课程设计,干预和学生监督。
2020-07-14 cs.CY cs.SI
Mapping computational thinking mindsets between educational levels with cognitive network science
计算思维是一种根据数据对世界进行推理的方式。这种思维方式将数字运算引向通过逻辑、模型和模拟发现知识的雄心。在这里,我们展示了如何计算认知科学可以用来重建和分析计算思维的心态(拉丁文的形式)通过复杂的网络结构。作为一个案例研究,我们调查的认知网络与计算思维的关键概念提供:(一)159名高中学生参加了科学课程和(二)59名研究人员在复杂系统和模拟。研究人员重建的形式强调了科学建模的积极心态,语义框架数据和模拟作为发现自然的方式。学生们正确地识别了逻辑推理的不同方面,但将“计算”视为一项令人痛苦、引发焦虑的任务,用数学术语框定,缺乏与现实世界发现的联系。学生们围绕“数据”、“模型”和“模拟”的思维方式批判性地揭示了他们没有意识到数值建模是理解世界的一种方式。我们的研究结果提供了学生计算思维思维缺陷的证据,他们获得的数学技能不是通过编码来发现现实世界的。这种没有联系的知识最终被认为是令人痛苦的数字处理专业知识,没有相关的结果。这里报告的研究人员的良性心态表明,可以通过专门培训学生在发现自然的编码,建模和模拟方面恢复计算思维。我们的方法为量化计算思维和通过思维重建促进其发展开辟了创新途径。
2020-07-18 cs.CY cs.SI physics.ed-ph
Mathematical Modelling of Ethical AI Use in Higher Education: A Coordination Game Framework for Future-Facing Learning
School of Computing, Engineering and Digital Technologies, Teesside University, United Kingdom(计算工程与数字技术学院,泰赛大学,英国)
本文通过协调博弈论框架,研究学生群体中负责任或机会主义AI使用规范的形成机制,并揭示评估激励如何触发行为转变。
2026-04-23 cs.AI cs.CC cs.CY
Software Engineering Through Community-Engaged Learning and an Inclusive Network
本文介绍维多利亚大学 INSPIRE 项目如何依托自我决定理论、社区合作与导师支持,让多元学生通过体验式学习开发社会影响方案,并构建促进代表性不足群体留存的包容性网络。
2024-08-09 cs.CY cs.SE