Brief but Impactful: How Human Tutoring Interactions Shape Engagement in Online Learning
Carnegie Mellon University（卡内基梅隆大学）；University of Bergen（卑尔根大学）
本文研究了简短的人类辅导互动如何提升在线学习中的学生参与度，通过分析对话和系统日志发现，适时的互动能有效提高学习效果，尤其在早期接触和后期检查中效果更佳。
2026-01-15 cs.CY
StudentBench: AI and human tutoring yield equivalent GRE learning gains
本研究提出StudentBench平台，通过大规模实验证明AI辅导在GRE学习收益上与人类辅导等效，且成本极低，并揭示了AI回复速度与学习成效的正相关关系。
2026-10-01 cs.AI cs.CY
Who Am I? History-Aware Profiles for Student Simulation in Tutoring Dialogues
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Eedi
提出历史条件的学生模拟任务，通过强化学习训练档案生成器和模拟器，利用学生历史信息准确预测对话轮次，在数学学习平台数据集上显著优于基线。
2026-09-01 cs.CL cs.CY
Cyberbullying of High School Students in Bangladesh: An Exploratory Study
本研究探讨了孟加拉国高中生的网络欺凌经历。这项工作的动机是确定可能导致13至18岁学生遭受网络欺凌的互联网使用和在线活动。该研究还调查了网络欺凌的流行程度和影响，包括受害和犯罪的角度，讨论了他们向父母，学校官员和其他成年人报告的做法，并提出了教授网络安全策略和提高学生认识的政策。
2018-12-30 cs.CY
Use of computer by secondary school students
本文报告了在中学进行的一项调查的结果。调查确定了学生接触和使用计算机的类型。结果发现，学生有显着的访问计算机，但他们不熟练的计算机使用的许多功能。计算机被用于一系列活动，有些是教育性的，有些是一些学生的娱乐性的。在计算机使用方面没有发现性别差异。这项研究强调了学生使用计算机技术的变化情况。
2014-06-24 cs.CY
Prutor: A System for Tutoring CS1 and Collecting Student Programs for Analysis
编程入门课程（CS1）是任何本科课程的组成部分。由于学生人数众多，编程背景各异，为每个学生提供及时和个性化的反馈对任何CS1教师来说都是一项具有挑战性的任务。助教（通常是高年级学生）提供的帮助是不够的，因为它受到无意的偏见，而且大多数时候，不够快。在本文中，我们提出了Prutor，一个辅导系统平台进行入门编程课程。Prutor是一个基于云的Web应用程序，在解决编程问题的同时为学生提供即时和有用的反馈。Prutor定期存储学生尝试解决编程问题的快照。这些学生程序的中间版本为教师（和数据分析师）提供了学生解决编程问题的方法的视图。由于Prutor可以通过任何标准的Web浏览器访问，因此学生无需担心编程课程外部的依赖关系，即操作系统，编辑器选项等。这使学生能够专注于解决编程问题。除了定期的代码快照外，Prutor还收集其他有价值的数据，例如学生解决问题所花费的时间，编译和执行事件的数量以及所犯的错误。我们已经使用这些数据在开发智能工具给学生的反馈，其中一些在本文中进行了简要描述。因此，该系统可作为研究人员的辅导和数据汇集平台。
2016-08-12 cs.CY cs.PL cs.SE
Using Video Game Development to Motivate Program Design and Algebra Among Inner-City High School Students
介绍市中心的高中学生程序设计提出了独特的挑战。编程入门课程的典型假设，如学生理解变量和函数是什么，可能并不安全。因此，要求学生定义函数作为程序设计过程的一部分可能是一项艰巨的任务。许多学生不理解函数是相似表达式的抽象，参数代表这些表达式之间的差异。本文提出了一种新的方法来教学程序设计，高中学生，同时加强高中代数。该方法是基于一个设计食谱，以帮助学生开发的抽象，导致功能。使用自下而上的方法，学生们被教导如何抽象相似的表达。然后教他们如何使用高中代数概念，如复合函数和函数组合，也设计功能。此外，本文还提供了从学生收集的经验数据，以衡量他们对课程的反应。对于课程中的学生来说，经验数据表明，高中代数概念得到了成功的加强，学生们觉得他们成为了更好的问题解决者，发现编程智力刺激，并带着编程的兴趣走开。
2020-08-21 cs.CY
A Unified Response Framework for Questions and Tutoring Dialogues
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Eedi；Khan Academy（可汗学院）
本研究提出统一IRT框架，建模学生问答与辅导对话子任务，利用辅导者动作正则化难度，在两类真实数学教育数据集上，该框架在问题难度与响应正确性预测上优于强基线。
2026-10-15 cs.CL cs.CY cs.LG
Introducing Individuality into Students' High School Timetables
本文扩展了XHSTT框架，通过新增两个约束来建模高中生的个性化课表选择及组队要求，并基于ILP公式对德国学校的真实实例进行了初步优化。
2024-06-19 cs.CY
Transferable Student Performance Modeling for Intelligent Tutoring Systems
Carnegie Mellon University（卡内基梅隆大学）
全球数百万学习者正在使用智能辅导系统（ITS）。ITS的核心是依靠机器学习算法来跟踪每个用户随时间变化的表现水平，以提供个性化的指导。最重要的是，学生表现模型是使用以前的学习者的交互序列数据来训练的，以分析未来学习者生成的数据。当引入没有训练数据可用的新课程时，这引起冷启动问题。在这里，我们认为迁移学习技术是一种通过利用现有课程的日志数据为新课程提供准确性能预测的方法。我们研究了两种设置：（一）在天真的传输设置，我们提出了课程不可知的性能模型，可以应用于任何课程。(ii)在感应传输设置中，我们使用小规模目标课程数据（例如，在试点研究期间收集）。我们评估所提出的技术，使用来自5个不同的数学课程的学生交互序列数据，其中包含超过47,000名学生在现实世界中的大规模ITS的数据。使用由人类领域专家提供的附加特征（例如，新课程中的问题的难度评级）但没有用于新课程的学生交互训练数据的课程不可知模型实现了与使用来自新课程中的数千名学生的训练数据的标准BKT和PFA模型相当的预测准确性。在归纳设置我们的迁移学习方法产生更准确的预测比传统的性能模型时，只有有限的学生互动训练数据（<100名学生）都可用。
2022-02-08 cs.CY cs.LG
Investigating the Influence of Computer Anxiety on the Academic Performance of Junior Secondary School Students in Computer Studies in Nigeria
本研究探讨了计算机焦虑对尼日利亚初中学生计算机学习成绩的影响。本研究所使用的研究工具为电脑焦虑量表，并经由辅导讲师与教育测量与评估专家验证。研究结果表明，大部分被试在与电脑打交道时存在轻度焦虑。
2020-11-21 cs.CY
Development of Computational Thinking in High School Students: A Case Study in Chile
大多数将计算思维纳入K-12教育的努力都集中在学校教育的第一个周期的学生身上，并使用了视觉工具，如Scratch和Alice。很少有研究项目研究学生在学校最后几年的计算思维的发展，他们通常没有早期的正式准备来获得这些技能。这项研究提供了证据的有效性，在C++（一种低级语言）的教学编程开发计算思维在智利的高中学生。通过在自愿C++编程研讨会前后进行测试，结果显示研讨会结束时计算思维有了显着改善。然而，我们也观察到，在初始计算思维水平较低的学生中，有退出研讨会的趋势。十年级学生的期末成绩低于十一年级和十二年级学生。这些结果表明，教授低级程序设计语言是有用的，但它有很高的入门门槛。
2019-10-04 cs.CY
Introducing Computer Science to High School Students through Logic Programming
本文研究了高中生在计算机科学入门课程中如何在逻辑编程（LP）范式中进行计算。这个定性研究显示了新手学生如何在LP范式内操作，同时参与基础计算概念和技能：学生参与抽象，推理和创建代码中的想法表示的循环过程，同时也被告知（程序）要求和修订/调试过程。由于这些计算的概念和技能，也预计在传统的方法介绍K-12 CS课程，本文断言，LP是一个可行的范例选择高中新手。这篇论文是在逻辑程序设计理论与实践（TPLP）中考虑的。
2018-08-09 cs.CY
The Chemistry Between High School Students and Computer Science
计算机科学的入学人数再次开始上升，但计算机科学专业的女本科生比例仍然很低。一些研究表明，这可能是由于在高中阶段缺乏对计算机科学的认识。我们提出了我们的经验，运行一个5年，高中推广计划，介绍有关计算机科学的背景下所需的化学课程的信息。我们使用分子生物学开发了交互式教学，帮助学生学习与海湾石油泄漏等相关事件相关的化学和计算机科学概念。我们对这种方法的有效性的评估表明，学生确实越来越意识到计算机科学作为一门学科，但在课堂上的系统支持问题，可以使教师和学生气馁的方法。
2014-06-09 cs.CY
AI tutoring can safely and effectively support students: An exploratory RCT in UK classrooms
Google（谷歌）；Eedi
本研究探讨了经过教学领域微调的AI辅导系统在英国课堂中对学生成绩的影响，发现其在提升学生解决新问题能力方面优于传统人类辅导。
2025-12-29 cs.AI cs.CY cs.LG
Inclusive education via empathy propagation in schools of students with special education needs
Universidad Nacional Autonoma de Mexico (UNAM)（墨西哥国立自治大学）；Centro Regional de Investigaciones Multidisciplinarias (CRIM)（多学科区域研究中心）；Facultad de Economia（经济学院）
本研究通过同理心传播模型探讨特殊教育需求学生在学校环境中的包容性现象，发现激励变化影响包容或分离模式的出现。
2025-11-20 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
Rapid mental computation system as a tool for algorithmic thinking of elementary school students development
在本文中，我们描述了在基础教育中使用快速心算系统的可能性。该系统由许多容易记忆的操作组成，使人们能够非常快速地进行算术计算。这些运算实际上是简单的算法，可以发展或提高学生的算法思维。使用一个快速的心理计算系统可以形成基础的计算机科学在中学的研究。
2013-05-20 cs.CY
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
AI-Fuzzy Markup Language with Computational Intelligence for High-School Student Learning
计算智能是人工智能的一个重要分支，包括模糊逻辑、神经网络和演化计算。作为人工智能的核心技术，它在开发智能系统中发挥着至关重要的作用，例如游戏和游戏引擎，基于神经的系统，包括各种深度网络模型，基于进化的优化方法和先进的认知技术。2021年IEEE CIS高中生CI暑期学校于2021年8月10日至12日在台湾JanFuSun Resort Hotel举行，并于2021年8月10日至12日在Zoom上举行。暑期学校的主要内容是FL、NN和EC基础知识讲座以及AIoT（人工智能物联网）研讨会。特邀演讲者提供了九门课程，涵盖了CI现实世界的应用，FL的基础知识以及NN和EC的介绍等主题。2021年暑期学校得到了2021年IEEE CIS高中外展小组委员会的支持。我们也邀请了台湾、日本、印尼的中小学师生。他们参加了学校并参加了AIoT研讨会，获得了AIoT-FML学习工具的应用经验。根据简短的报告和参与的学生和教师的反馈，我们发现大多数参与者都很快理解了CI，FL，NN和EC的原理。此外，其中一位老师向组织者发表了以下评论：“这是一个伟大的活动，可以在年轻时向学生介绍计算智能，激励他们参与快速发展的领域，并促进参与未来的研究冒险。"
2021-11-07 cs.CY
From Learning Management System to Affective Tutoring system: a preliminary study
ESIEA（ESIEA工程学院）；Université Paris 1 Panthéon Sorbonne（巴黎第一大学先贤祠-索邦大学）；Centre de Recherche en Informatique（计算机研究中心）
本研究结合LMS数字轨迹与摄像头图像数据，分析学业表现、行为及情感参与指标以识别学习困难学生，证实积极情绪与学业提升相关，为情感辅导系统构建提供初步依据。
2023-11-09 cs.AI cs.CY
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
Combining Large Language Models with Tutoring System Intelligence: A Case Study in Caregiver Homework Support
Carnegie Mellon University（卡内基梅隆大学）；Wellesley College（韦尔斯利学院）
本研究结合大型语言模型与辅导系统智能，开发对话式支持系统，为照护者提供家庭作业教学建议，经中学照护者评估，有效促进内容支持和学生元认知。
2024-12-16 cs.AI cs.CY cs.HC
Software Engineering Educational Experience in Building an Intelligent Tutoring System
针对计算机教育中编程入门与软件工程课程面临的师生比高、反馈不及时等挑战，本文介绍了一门新颖的SE课程，通过逐年构建并部署智能辅导系统（ITS），为学生提供自动化实时反馈，并总结了其架构、教学理念与经验。
2024-12-18 cs.CY cs.SE
RLTutor: Reinforcement Learning Based Adaptive Tutoring System by Modeling Virtual Student with Fewer Interactions
Waseda University（早稻田大学）；Waseda Research Institute for Science and Engineering（早稻田科学与工程研究院）
教育领域的一个主要挑战是提供复习时间表，以适当的间隔向每个学生呈现所学的项目，以便随着时间的推移保留记忆。近年来，人们尝试将项目评论表述为序列决策问题，以实现基于学生知识状态的自适应教学。此前有报道称，强化学习可以帮助实现数学模型的学生学习策略，保持较高的记忆率。然而，使用强化学习的优化需要大量的交互，因此它不能直接应用于实际的学生。在这项研究中，我们提出了一个优化教学策略的框架，通过构建一个虚拟的学生模型，同时最大限度地减少与实际教学目标的互动。此外，我们进行了一项实验，考虑到实际的指令使用的数学模型，并确认该模型的性能是与传统的教学方法。我们的框架可以直接替代人类学生实验中使用的数学模型，我们的结果可以作为理论教学优化和电子学习系统中的实际应用之间的缓冲。
2021-07-31 cs.AI cs.CY cs.LG
Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice
Carnegie Mellon University（卡内基梅隆大学）；Vanderbilt University（范德堡大学）
研究通过平衡被试内设计，发现低基线自我效能感的学生无论练习形式如何都获得更大学习收益，且对辅导系统的偏好与学习收益正相关，但纸质练习模式不同；基于智能辅导系统的练习并未显著提升自我效能感。
2026-06-17 cs.CY cs.HC
Retrieval-Augmented Tutoring for Algorithm Tracing and Problem-Solving in AI Education
North Carolina State University（北卡罗来纳州立大学）；University of Pittsburgh（匹兹堡大学）；University of California, Berkeley（加州大学伯克利分校）；Aalto University（阿尔托大学）
本文提出KITE系统，通过增强检索生成技术辅助学生理解算法追踪和问题解决，提升算法推理能力。
2026-05-13 cs.AI cs.CY cs.IR
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
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
Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；University of Pennsylvania（宾夕法尼亚大学）
本研究针对开放式对话辅导中知识追踪难的问题，提出用LLM识别对话知识组件与学生回应正确性，结合LLMKT方法，在两个数据集上实现了比现有KT方法更优的学生回应正确性预测效果。
2024-12-10 cs.CL cs.CY cs.LG
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
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
The impact of small changes in thoroughfare connectivity on the potential for student walking
学生积极通勤上学是学生成绩和学生健康的重要组成部分，但这种形式的体育活动在美国已显着下降。据报道，学校和学生宿舍之间的距离通常是学生步行的障碍，因此，增加住宅区和学校之间和内部的街道和小径连接可以促进学生步行。本研究的目的是评估在学校步行区内增加通道连接对学生步行的潜在好处。这项研究进行了一项成本效益分析，在美国的学校系统，为6万名学生提供服务的小学和中学周围增加通道连接。好处，其中包括增加时间的身体活动，从学生步行和潜在的成本节省学校系统，如果他们有更少的学生巴士上学，比较新的连接的财务成本。先进的网络优化技术应用于几个郊区和农村学校从一个代表性的学校系统，以找到最佳的新的通道连接，最大限度地提高学生步行到学校，并尽量减少新的通道的长度。从这个案例研究的结果表明，短和便宜的新的通道可以增加学生活跃的通勤者的潜在数量，并为这些潜在的学生步行者提供了显着增加的身体活动。这项工作可以促进学生步行和学生健康在学校周围的住宅规划决策的整合。
2020-07-22 cs.CY physics.soc-ph
Exploring LLMs for Predicting Tutor Strategy and Student Outcomes in Dialogues
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
本研究利用两个数学辅导对话数据集，评估Llama 3和GPT-4o预测辅导策略与学生成果的能力，发现策略预测困难但策略高度预示成果，需更强方法。
2025-07-09 cs.CL cs.CY
Leveraging LLMs to Assess Tutor Moves in Real-Life Dialogues: A Feasibility Study
Carnegie Mellon University（卡内基梅隆大学）；Learning Engineering Virtual Institute（学习工程虚拟研究所）
本研究利用多种大语言模型分析真实数学辅导对话，验证了AI在检测和评估辅导行为（如表扬和错误回应）上的可行性，准确率接近人工水平，并提出经济高效的提示策略以支持大规模评估。
2025-06-20 cs.CL cs.CY
Sakshm AI: Advancing AI-Assisted Coding Education for Engineering Students in India Through Socratic Tutoring and Comprehensive Feedback
本文提出智能辅导系统 Sakshm AI，通过 Disha 聊天机器人提供苏格拉底式提示、自适应反馈与对话记忆，并基于千余名用户的日志、调查和访谈验证其对编程学习参与度和问题解决能力的影响。
2025-03-16 cs.CY cs.HC
Effects of Home Resources and School Environment on Eighth-Grade Mathematics Achievement in Taiwan
在过去的几十年里，研究者们对家庭资源、学校环境与学生数学成绩之间的关系进行了大量的研究。他们中的许多人认为，丰富的家庭学习资源与较高的平均学业成绩有关。亦有意见认为家庭背景与学习环境息息相关，因而影响学生的成绩。因此，本研究假设，拥有更多家庭资源的学生将比拥有较少资源的学生表现得更好，并且拥有更多社会经济背景的学生，位于高收入社区，拥有更多教学资源的学校将有更好的数学表现。本研究以台湾地区八年级学生为研究对象，探讨学生数学成就的差异性，并探讨学生与学校层级差异对数学成就的影响。
2017-12-31 cs.CY physics.ed-ph
School Virus Infection Simulator for Customizing School Schedules During COVID-19
在2019冠状病毒（COVID-19）大流行期间，学校不断努力为学生提供一致的教育。教师和教育政策制定者正在寻找重新开放学校的方法，因为这对社区和经济发展是必要的。然而，鉴于大流行，学校需要定制的时间表，考虑到教室大小、空调设备、教室系统，例如，独立的或分隔的。为了解决这个问题，我们开发了学校病毒预防模拟器（SVIS）的教师和教育决策者。SVIS模拟了学校的感染传播，考虑了学生的课程安排、教室容积、教室空气流通率和学生的传染性。因此，教师和教育决策者可以模拟他们的学校时间表如何影响当前的健康问题。然后，我们展示了几个学校的时间表在独立和部门化的教室的影响，并评估他们同时感染的学生的最大数量和面对面的经验教训的百分比。结果表明，增加教室通风率是有效的，但是，与定制学校时间表相比，这种影响并不稳定，此外，学校时间表可以不同地影响最大感染学生人数，这取决于教室是独立的还是分隔的。结果发现，与面对面课程比例较高的课程相比，其中一个学校的课程表有更高的最大感染学生人数。SVIS和模拟结果可以帮助教师和教育政策制定者适当地规划学校时间表，以减少感染的学生人数，同时保持一定比例的面对面课程。
2022-01-06 cs.CY cs.MA
Combining Gamification and Intelligent Tutoring Systems in a Serious Game for Engineering Education
本文提出将专家驱动课程规划、计算智能与游戏化结合，嵌入严肃游戏构建个性化学习系统，并通过课堂实验和前后测验证其提升工程教育效果的作用。
2023-05-26 cs.CY cs.HC
ItsSQL: Intelligent Tutoring System for SQL
针对学生SQL练习困难及现有系统反馈不足的问题，本文开发了基于半自动扩充参考解答池的ItsSQL智能辅导系统，能提供个性化实时反馈，有效改善学生学习过程。
2023-10-14 cs.CY cs.SE
Logic Programming for an Introductory Computer Science Course for High School Students
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Texas Tech University（德克萨斯理工大学）
本文探讨了如何高中学生的方法计算通过介绍计算机科学课程位于逻辑编程（LP）范式。这项研究表明，新手学生如何在LP范式内操作，同时从事基础计算的概念和技能，并提出了一个案例LP作为一个可行的范例选择介绍CS课程。
2017-06-20 cs.AI cs.CY
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
Accessible Adventures: Teaching Accessibility to High School Students Through Games
本文通过同理心驱动的游戏向93名高中生教授无障碍知识，并基于教师访谈揭示高中无障碍教育不足的挑战，验证了游戏教学能提升学生的无障碍意识与同理心。
2024-06-07 cs.CY cs.HC
Effective Personalized AI Tutors via LLM-Guided Reinforcement Learning
University of Pennsylvania（宾夕法尼亚大学）；National Taiwan University（台湾大学）
本研究设计了集成大语言模型聊天机器人与强化学习算法的个性化AI辅导平台，经十所高中的五个月课程验证，其自适应编排练习题可提升学生Python成绩0.15个标准差，且成绩提升源于参与度提高。
2026-08-19 cs.AI cs.CY
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
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
Elementary School Students' and Teachers' Perceptions Towards Creative Mathematical Writing with Generative AI
University of Florida（佛罗里达大学）；Old Dominion University（老道明大学）；The University of Utah（犹他大学）
本研究针对小学生数学创造性写作的困难，开发GenAI支持技术，通过访谈、调查和课堂观察探究师生认知，为GenAI学习技术与教学设计提供参考。
2024-08-26 cs.AI cs.CY
Trust and ethical considerations in a multi-modal, explainable AI-driven chatbot tutoring system: The case of collaboratively solving Rubik's Cube
University of South Carolina（南卡罗来纳大学）；Cisco Research（思科研究）
本文针对高中AI教育中的数据隐私、信息泄露等伦理问题，介绍了多模态协作平台ALLURE聊天机器人的技术组件，以确保数据知情同意、交互安全及防止跨组信息泄露。
2024-08-27 cs.AI cs.CY
Aligning Tutor Discourse Supporting Rigorous Thinking with Tutee Content Mastery for Predicting Math Achievement
University of Colorado Boulder（科罗拉多大学博尔德分校）
本文基于1080名九年级学生的高强度辅导数据，结合辅导者谈话策略与ITS掌握度预测数学成就，发现二者组合的AUC达0.77，且不同掌握度学生对应不同有效话语模式。
2024-05-10 cs.AI cs.CY cs.HC
How Motivation Relates to Generative AI Use: A Large-Scale Survey of Mexican High School Students
Harvard University（哈佛大学）；Oranim College of Education（奥拉尼姆教育学院）
研究通过分析6793名墨西哥高中生的调查数据，发现不同动机profile的学生在数学和写作领域使用生成式AI工具存在差异，挑战了一刀切的AI整合方法，倡导基于动机的教育干预。
2026-04-01 cs.AI cs.CY cs.HC
A Cognitive Agent Computing-Based Model For The Primary School Student Migration Problem Using A Descriptive Agent-Based Approach
针对公立学校学生流失问题，提出认知Agent计算模型，采用描述性Agent建模方法揭示迁移因果关系，并评估框架形式化程度。
2023-10-10 cs.CE cs.CY cs.MA
Revolutionising Distance Learning: A Comparative Study of Learning Progress with AI-Driven Tutoring
IU International University of Applied Sciences（IU应用技术大学）
本研究表明，在IU国际应用科学大学的40多门课程中，使用AI教学助手Syntea使数百名远程学习学生的学习时间平均减少约27%，证明生成式AI能通过个性化显著加速大学层面的学习。
2024-02-21 cs.AI cs.CY cs.LG
Investigating Writing Style Development in High School
University of Copenhagen（哥本哈根大学）
本文首次对丹麦高中生的写作风格发展进行了大规模的分析。超过10K的学生超过100K的文章进行了分析。写作风格本身经常在自然语言处理社区中进行研究，但通常的目标是验证作者身份，评估质量或流行程度，或其他类型的预测。在这项工作中，我们分析了写作风格随时间的变化，以检测学生的全球发展趋势，并确定风险学生的目标。我们训练一个连体神经网络来计算两个文本之间的相似度。使用这种相似性的措施，一个学生的新的论文进行比较，他们的第一篇论文，并为学生的写作风格的发展概况。我们聚类这些学生的个人资料，并分析所产生的集群，以检测一般的发展模式。我们评估集群方面的写作风格质量指标，并确定最佳集群，表现出显着改善写作风格，同时也观察次优集群，表现出有限的发展，甚至挫折的时期。此外，我们确定了高中生之间的一般发展趋势，表明随着学生在高中的进步，他们的写作风格偏离，让学生不太相似，当他们完成高中，比当他们开始。
2019-06-04 cs.CL cs.CY cs.LG
Using Large Language Models to Assess Tutors' Performance in Reacting to Students Making Math Errors
Carnegie Mellon University（卡内基梅隆大学）
本研究探讨了利用生成式AI（GPT-3.5-Turbo和GPT-4）评估真实导师应对学生数学错误表现的能力，发现两者在评估应对标准上表现熟练，但在识别学生错误实例时存在局限，尤其是GPT-4易过度识别错误。
2024-01-06 cs.AI cs.CY cs.HC
