Innovative Tangible Interactive Games for Enhancing Artificial Intelligence Knowledge and Literacy in Elementary Education: A Pedagogical Framework
本文提出一个面向小学教育的教学框架，通过实体互动游戏将神经网络、机器学习等AI原理转化为角色扮演活动，以提升儿童AI素养，并为教师提供实施指导。
2025-05-31 cs.CY
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
AI and personalized learning: bridging the gap with modern educational goals
本研究对照《OECD学习罗盘2030》目标分析AI驱动个性化学习与现代教育目标的差距，指出需融入学习者主体性等教育要素，还提出融合生成式AI与教师引导协作的混合个性化学习模型。
2025-03-21 cs.CY cs.HC
ChatGPT as Co-Advisor in Scientific Initiation: Action Research with Project-Based Learning in Elementary Education
Universidade Luterana do Brasil (ULBRA)（巴西路德大学）
本研究采用行动研究方法，评估ChatGPT作为联合顾问在小学PBL项目中的有效性，发现其能显著提高学生参与度、降低教师抵触情绪并推动教育实践文化变革。
2023-11-10 cs.AI cs.CY cs.HC
A Comprehensive Exploration of Personalized Learning in Smart Education: From Student Modeling to Personalized Recommendations
East China Normal University（华东师范大学）
本文全面分析了个性化学习在智能教育中的应用，探讨了学生建模与个性化推荐的关键维度，并评估了其在教育实践中的有效性与未来发展方向。
2026-01-28 cs.CY
Modeling Pedagogical Learning Environment with Hybrid Model based on ICT
教育学是一种处理教育者的教学精神和文化以及学习者的学习的方法。信息与通信技术（ICT）教学法是指教师、儿童和基于ICT的学习环境之间的互动。它是一门涉及教学策略、教学行动、教学判断和决策的理论和实践的学科。它也是学生的理解和需要以及个人的背景和兴趣之一。在本文中，我们设计了从信息技术教育的角度来看，教学式学习环境。在我们的信息和通信技术教学方法中，教育包括不同要素之间的相互作用。该方法改进，以不同的方式将便利传播到教育环境中。我们还在为ICT发展计划建立一个混合模式。混合模型代表了标准、阶段、年级和班级的组合，并将其纳入一个保护伞中。从信息技术教育的视角出发，结合基于结果的信息技术学习的考虑，从理论上构建了教学型学习环境。以结果为基础的教育是在全球范围内建设任何国家的基本要素。
2021-08-27 cs.CY
Supervised Fine-Tuning LLMs to Behave as Pedagogical Agents in Programming Education
University of New South Wales（新南威尔士大学）；Princeton University（普林斯顿大学）
本文提出通过监督微调大语言模型（GuideLM）提升编程教育中的教学效果，集成于DCC编译器，实验显示苏格拉底式引导提升8%、用词经济性提升58%，但准确性略有下降。
2025-02-27 cs.CL cs.CY
GPTutor: Great Personalized Tutor with Large Language Models for Personalized Learning Content Generation
研究团队开发了网页应用GPTutor，依托无服务器架构与思维链提示方法，生成适配学生兴趣与职业目标的个性化学习内容，助力提升学习效果与职业准备度。
2024-05-16 cs.CY cs.HC
MindCraft: Revolutionizing Education through AI-Powered Personalized Learning and Mentorship for Rural India
Pune Institute of Computer Technology（浦那计算机技术学院）
针对印度农村学生因地理与社会经济地位面临的教育障碍，MindCraft平台利用AI提供个性化学习路径、导师连接及协作资源网络，为公平教育体系提供可扩展可持续解决方案，赋能农村学生适应数字化世界。
2025-02-09 cs.AI cs.CY cs.ET
Assessing Pedagogical Readiness for Digital Innovation: A Mixed-Methods Study
本研究采用定性访谈结合定量调查的混合方法，评估教师融入数字技术的教学准备度，发现虽多数教师认可数字工具价值，但存在专业发展不足等问题，需针对性培训与激励制度支撑。
2025-02-17 cs.CY physics.ed-ph
Personalized Education in the AI Era: What to Expect Next?
University of Tübingen（图宾根大学）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；University of Miami（迈阿密大学）；University of Cambridge（剑桥大学）
个性化学习的目标是设计一个有效的知识获取路径，使学习者能够扬长避短，最终达到预期的学习目标。这一概念几年前就出现了，并被全球越来越多的教育机构所采用。近年来，人工智能（AI）和机器学习（ML）的推动，以及大数据分析的进步，为在多个维度上加强个性化教育提供了新的视角。通过利用AI/ML方法，教育平台精确地获取学生的特征。这在一定程度上是通过观察过去的经验以及通过探索学习者的特征和相似性来分析可用的大数据来完成的。例如，它可以在众多可访问的内容中推荐最合适的内容，建议精心设计的长期课程，通过建议联系合适的学习者，准确的性能评估等。尽管如此，基于人工智能的个性化教育的几个方面仍有待探索。这些措施包括，除其他外，补偿同行缺席的不利影响，创造和维持学习的动机，增加多样性，消除数据和算法引起的偏见等。在本文中，在简要回顾最新研究的同时，我们调查了基于AI/ML的个性化教育的挑战，并讨论了潜在的解决方案。
2021-01-19 cs.AI cs.CY cs.LG
Integrating Generative AI in Cybersecurity Education: Case Study Insights on Pedagogical Strategies, Critical Thinking, and Responsible AI Use
Central Queensland University（中央昆士兰大学）
本研究提出将生成式人工智能融入网络安全教育的两阶段结构化框架，经教学实践验证可提升学生分析与实践能力，同时指出需应对AI依赖等问题，强调平衡自动化与专家判断以培养行业适配人才。
2025-02-21 cs.AI cs.CY
Computer-Aided Personalized Education
STEM领域的人才短缺问题日益严重，大学和学院正在努力满足这一需求。以计算机科学为例，在过去十年中，美国学生选修入门课程的人数增长了三倍。最近，大规模开放式在线课程（MOOC）作为缓解这种压力的一种方式得到了推广。这最多提供受教育的机会。更大的挑战是应对不同学生的异质背景，保留，提供反馈和评估。依靠计算工具的个性化教育可以应对这一挑战。虽然在不同的社区，自动化辅导已经在不同的时间进行了研究，但计算和教育技术的最新进展为改变学生的学习方式提供了令人兴奋的机会。特别是，至少有三个趋势是重要的。首先，逻辑推理、数据分析和自然语言处理方面的进步已经产生了用于自动评估的辅导工具、包括有针对性的反馈的个性化指导以及针对各种科目的自适应内容生成。其次，学习科学和人机交互的研究正在让我们更好地了解不同学生的学习方式、何时以及何种类型的干预措施对不同的教学目标有效，以及如何衡量教育工具的成功。最后，学术界和工业界最近出现的在线教育平台正在为共享基础设施的发展带来新的机遇。本次CCC研讨会汇集了基于逻辑推理和机器学习等技术开发教育工具的研究人员，以及教育，人机交互和认知心理学的研究人员。
2020-07-07 cs.CY cs.HC
AI for Accessible Education: Personalized Audio-Based Learning for Blind Students
本文提出 Audemy 音频学习平台，利用自适应学习技术为视障学生提供个性化教育，服务超 2000 名学生，并探讨了 AI 教育的伦理与包容性。
2025-04-23 cs.CY cs.HC
The AI Companion in Education: Analyzing the Pedagogical Potential of ChatGPT in Computer Science and Engineering
California State University, Long Beach（加州州立大学长滩分校）；Claremont Graduate University（克莱蒙特研究生大学）；University of California, Davis（加州大学戴维斯分校）
本文通过构建CSE多学科深度问题与项目任务，提出五因素可靠性框架评估ChatGPT的教学表现，并分析学科、任务类型与限制因素的关联。
2024-04-23 cs.AI cs.CY cs.LG
Partnering with AI: A Pedagogical Feedback System for LLM Integration into Programming Education
针对现有编程教育LLM反馈研究忽略教学原则的问题，提出结合经典反馈模型与中学教师经验的LLM教学反馈框架，经教师混合评估验证其效果，同时指出需结合人类教学经验弥补其情境适配不足的缺陷。
2025-09-03 cs.CY
SocratiQ: A Generative AI-Powered Learning Companion for Personalized Education and Broader Accessibility
本文提出SocratiQ，一个基于生成式AI的教育助手，通过自适应学习技术实施苏格拉底式方法，动态创建个性化学习路径，解决大规模个性化教育挑战，为STEM领域AI教育集成提供参考。
2025-02-01 cs.CY
A Review of Data Mining in Personalized Education: Current Trends and Future Prospects
Beihang University（北京航空航天大学）；University of International Business and Economics（对外经济贸易大学）
本文综述数据挖掘在个性化教育中的应用，围绕教育推荐、认知诊断、知识追踪和学习分析构建分类体系、整理数据集并展望未来方向。
2024-02-27 cs.CY cs.LG
AgentTutor: Empowering Personalized Learning with Multi-Turn Interactive Teaching in Intelligent Education Systems
AgentTutor通过多轮互动教学系统提升个性化学习效果，结合多代理系统和学习者档案实现动态优化的教学策略。
2025-12-24 cs.AI cs.CY cs.MA
How to Design and Deliver Courses for Higher Education in the AI Era: Insights from Exam Data Analysis
Zayed University（扎耶德大学）；Khalifa University（哈利法大学）；University Toulouse 3 Paul Sabatier（图卢兹第三大学（保罗·萨巴蒂埃大学））；LeMans University（勒芒大学）
主张基于AI的优势与局限及教育目标设计课程与考试，采用Socratic教学法，对7次ChatGPT授权考试数据分析表明学生成绩与是否使用ChatGPT无相关性，并提出新考试系统。
2023-07-22 cs.AI cs.CY
Access Timing as Scaffolding: A Reinforcement Learning Approach to GenAI in Education
Universitat Pompeu Fabra（庞培法华大学）
本研究通过强化学习智能体控制生成式AI的访问时机，基于元认知理论、认知负荷理论和生产性失败设计奖励函数，实验证明策略性定时访问相比无限制和完全限制使用能提高学习效果和元认知准确性。
2026-08-12 cs.AI cs.CY cs.HC
An Experience Report on a Pedagogically Controlled, Curriculum-Constrained AI Tutor for SE Education
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文介绍了一种基于AI的导师系统，旨在通过结构化提示和语义标记知识库，为中学生提供个性化、课程约束的编程学习支持，并通过试点评估验证其在降低认知负荷和补充课堂教学中的潜力。
2025-12-08 cs.AI cs.CY cs.HC
PAPPL: Personalized AI-Powered Progressive Learning Platform
The Grainger College of Engineering, Department of Civil and Environmental Engineering, University of Illinois at Urbana-Champaign, 205 N Matthews, Urbana, IL 61801（伊利诺伊大学厄巴纳-香槟分校格拉inger工程学院，土木与环境工程系）
针对工程教育在个性化创新应用上的滞后问题，本文提出PAPPL平台这一专为工程教育设计的智能辅导系统，整合GPT-4o等技术实现动态个性化辅助与教师分析支持，为生成式ITS发展提供框架并推动教育领域生成式AI应用。
2025-08-18 cs.AI cs.CY cs.ET
SortingHat: Redefining Operating Systems Education with a Tailored Digital Teaching Assistant
School of Software Technology, Zhejiang University（浙江大学软件学院）
针对操作系统课程教学挑战，提出结合检索增强生成和多智能体强化学习的3D数字人教学助手SortingHat，提供个性化指导、自适应内容生成和自动评估。
2026-04-13 cs.AI cs.CY cs.ET
Design Principles and Observable Indicators for AI-Enabled Pedagogical Accompaniment: Evidence from the Amico Dual-Mode Prototype in Italy and China
Universidad de Almería（阿尔梅里亚大学）；Zhejiang Yizhong Intelligent Technology Co., Ltd.（浙江一中智能科技有限公司）
本文提出了一种可复制的AI赋能教学陪伴框架，通过人类主导的方法，强调成人责任，将AI作为辅助而非替代的基础设施，并通过Amico项目探讨了关系桥梁的概念，以及在意大利和中国原型中的跨情境探索。
2026-05-20 cs.CY cs.HC
Personalized Education at Scale
Brown University（布朗大学）
根据个别学生的需要量身定制信息的呈现方式，可以大大提高学生的成绩~ \cite{bloom19842}。这一发现可能是由于不同的学生学习不同的事实，也许是由于能力，兴趣或其他因素的变化~ \cite{schiefele1992interest}。根据个人的教育需求调整演示文稿传统上是专家的领域，这使得大规模进行成本高昂且后勤上具有挑战性，并且还导致教育成果的不公平。增加的课程规模和大规模的MOOC注册提供了前所未有的学生数据访问。我们提出，强化学习（RL）以及半监督学习，自然语言处理和计算机视觉中的新兴技术对于利用这些数据提供大规模个性化教育至关重要。
2018-09-24 cs.CY cs.LG stat.ML
Assessment of Personalized Learning in Immersive and Intelligent Virtual Classroom on Student Engagement
本研究聚焦沉浸式智能虚拟课堂场景，采用眼动范式评估个性化学习对学生参与度的影响，通过文献综述、案例研究与数据分析验证了该方法在提升学习效果方面的潜力。
2025-01-14 cs.CY cs.HC
eTutor: Online Learning for Personalized Education
鉴于信息技术和人工智能的最新进展，基于网络的教育系统已成为传统课堂教学的补充，在某些情况下是可行的替代方案。这些系统的流行源于它们能够为大量人口提供教育（见MOOC）。然而，现有的系统并没有利用个性化，而个性化在提供基于网络的教育时成为可能：它们仍然是一刀切的。在本文中，我们的目的是提供一个系统的方法来设计一个个性化的基于Web的教育系统。个性化教育具有挑战性：（i）需要根据学生的具体情况（例如，已经参加的课程、首选的学习方法等）向他们提供个性化的教学和培训，(ii)对于每一具体情况，必须学习最佳的教学和培训方法（例如，要展示的教学材料的类型和顺序），（iii）教学和培训应根据分数/反馈（例如，测试、测验、期末考试、喜欢/不喜欢等）在线调整。学生们。我们的个性化在线系统e-Tutor能够通过学习如何调整教学方法来应对这些挑战（在这种情况下，向学生展示教材的顺序），以最大限度地提高她在期末考试中的表现，同时最大限度地减少学生学习课程所花费的时间（以及可能的辍学）。我们说明了所提出的方法在现实世界的eTutor平台上的效率，该平台用于补救培训的数字信号处理（DSP）课程。
2014-10-14 cs.CY
Barriers and Enablers of Online Instruction in Hospitality Education in the Philippines: An Exploratory Study
Pampanga State University（帕曼加州立大学）
本研究探讨了菲律宾酒店教育中在线教学的障碍与促进因素，通过访谈分析发现教学挑战、技术障碍、机构支持及AI整合是关键主题，研究强调需加强教学培训和AI负责任使用。
2026-04-27 cs.AI cs.CY
A Comprehensive AI Policy Education Framework for University Teaching and Learning
The University of Hong Kong（香港大学）
本研究基于香港高校457名学生与180名教职工的调研数据，提出含教学、治理、运营三维度的AI生态教育政策框架，为高校AI融合的政策制定提供支撑。
2023-04-29 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
STEM Faculty Perspectives on Generative AI in Higher Education
本文探讨STEM教师对生成式人工智能在高等教育中的应用看法，分析其教学整合、学生学习影响及机构支持需求。
2026-03-04 cs.AI cs.CY
Beyond Static Question Banks: Dynamic Knowledge Expansion via LLM-Automated Graph Construction and Adaptive Generation
Dalian University of Technology（大连理工大学）；Chengdu Technological University（成都理工大学）；Shenzhen Research Institute of Big Data（深圳大数据研究院）
本文提出生成式图RAG框架，通过自动图构建和自适应生成，实现动态知识扩展，提升个性化教育系统的适应性和有效性。
2026-02-13 cs.AI cs.CY
XR Design Framework for Early Childhood Education
Coventry University（考文垂大学）；George Mason University（乔治梅森大学）
本文提出AHD框架，用于建模早期儿童教育中XR技术的交互，揭示安全风险与教学收益之间的不平衡问题。
2026-01-26 cs.CY cs.ET cs.HC
Exploring Fraction Comprehension and Interest in Elementary Education Through AI-Powered Personalized Learning
University of Central Florida（中佛罗里达大学）
该论文通过系统综述和准实验研究，评估AI个性化学习平台Mathbot在小学分数教学中的效果，发现其可适度提升学生分数理解，且未取代教师教学角色，为自适应AI系统在小学数学中的应用提供了课堂实证。
2026-08-06 cs.CY cs.HC
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
Measuring the Professional Educational Competence of Foundation Models
Shanghai Innovation Institute（上海创新研究院）；East China Normal University（华东师范大学）；Faculty of Education at East China Normal University (ECNU)（华东师范大学教育学院）；Shanghai Institute of AI for Education, East China Normal University (ECNU)（华东师范大学上海教育人工智能研究院）
本文提出EDU 1.0基准，基于美中印教师入职考试评估基础模型的教育能力，发现模型在学科教学法上普遍弱于一般教学法，强调教学内容知识是关键短板。
2026-09-25 cs.CY
WIP: Bridging the Gap Between Instructional Design and Pedagogical Use: A Framework for Mathematics Educators
Escola Politécnica, Universidade de São Paulo (USP)（圣保罗大学政治学院）
针对数字资源缺乏明确教学标准的问题，提出将学习理论转化为可观测教学变量的元数据框架，以支持数学教育中资源的教学化选择与整合。
2026-06-23 cs.CY
Promoting AI Literacy in Higher Education: Evaluating the IEC-V1 Chatbot for Personalized Learning and Educational Equity
本文通过试点研究评估了IEC-V1聊天机器人原型，探讨其在高等教育中提升师范生AI技能、实现个性化学习与教育公平的潜力，结果表明该系统运行良好且符合数据保护要求。
2024-12-04 cs.CY cs.HC
Modularizing Educational LLM-Agency for Fostering Responsible Learning Assistance
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI））；Saarland Informatics Campus, Germany（萨尔兰州信息学校区，德国）；Center for European Research in Trusted AI (CERTAIN)（可信人工智能欧洲研究中心（CERTAIN））
提出一种模块化代理架构的AI聊天机器人，通过分阶段指导练习解决，融入针对性教学建议，实现更可控、透明和可监督的学习过程，促进教育中负责任的AI使用。
2026-05-28 cs.AI cs.CY
A Survey of LLM-Based Applications in Programming Education: Balancing Automation and Human Oversight
该综述梳理 LLM 在编程教育中的形成性反馈、评估与知识建模应用，指出结合教育者人在回路监督与课程适配最能兼顾自动化支持和教学目标。
2025-10-04 cs.CY cs.HC
Generative AI in the Classroom: Can Students Remain Active Learners?
本文探讨了生成式AI（GAI）在教育中对学生主动学习的双重影响，提出了包含模型训练、互动设计、学生能力培养三方面的教学透明度框架，以推动GAI在教育中的合理应用。
2023-11-10 cs.CY
Artificial Intelligence for Optimal Learning: A Comparative Approach towards AI-Enhanced Learning Environments
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本研究比较传统、非AI技术和AI驱动三种教育环境，旨在综合各自优势，构建更全面、公平且有效的混合教育框架。
2025-10-12 cs.AI cs.CY
Semi-automatic Assessment Model of Student Texts - Pedagogical Foundations
本文介绍了学生文本的半自动评估的概念，其目的是提供全自动评分和反馈的双重好处，以及人类评估员可以提供的优势。本文着重于该模式的教学基础，通过展示如何在写作和写作教育的相关研究成果已被考虑到模型的设计。
2012-06-28 cs.CY
Educational Technology as Seen Through the Eyes of the Readers
在本文中，我提出了一种新的知识域可视化教育技术的评价。交互式可视化是基于在线参考咨询管理系统Mendeley的读者模式。它包括13个主题领域，涵盖心理学，教学法和方法论基础，学习方法和技术以及社会和技术发展。通过（1）与基于引文的知识域可视化的定性比较和（2）专家访谈对可视化进行了评估。结果表明，共同读者可视化是教育技术领域教育学和心理学研究的一个新的代表。此外，共同读者分析涵盖了更多的领域比可比的可视化的基础上共同引用模式。然而，与计算机科学相关的领域在共同读者可视化中缺失，需要更多的研究来探索地图上研究领域的大小和位置的解释。
2015-06-24 cs.CY cs.DL
Personalized Education with Generative AI and Digital Twins: VR, RAG, and Zero-Shot Sentiment Analysis for Industry 4.0 Workforce Development
Department of Electrical and Computer Engineering, University of Arizona, Tucson, AZ, USA（电气与计算机工程系，亚利桑那大学，图森，亚利桑那州，美国）；Department of Systems and Industrial Engineering, University of Arizona, Tucson, AZ, USA（系统与工业工程系，亚利桑那大学，图森，亚利桑那州，美国）；Department of Industrial Engineering, University of Sonora, Hermosillo, Mexico（工业工程系，索诺拉大学，赫尔莫索，墨西哥）
本研究提出gAI-PT4I4，利用生成AI和数字孪生技术，结合VR、RAG和零样本情感分析，提升工业4.0劳动力的个性化教育质量。
2025-02-19 cs.AI cs.CY
Ten Years of Research on Intelligent Educational Games for Learning Spelling and Mathematics
在这篇文章中，我们提出了我们的研究结果，从十年的智能教育游戏。我们讨论了学习拼写和数学的培训环境的架构，并特别关注内容的表示和实现个性化培训的控制器。我们首先展示了通过多个感知线索重新路由信息的多模态表示，并讨论了游戏结构。然后，我们提出了数据驱动的学生模型，用于个性化的，自适应的内容呈现。我们进一步利用机器学习为教师和专家提供分析和可视化工具。由超过20，000名儿童的培训课程组成的大型数据集可以对学习的性质进行统计解释和见解。
2018-06-07 cs.CY cs.HC
Large Language Models in Teaching and Learning: Reflections on Implementing an AI Chatbot in Higher Education
Technical University of Denmark（丹麦技术大学）
本文探讨了在高等教育中实施增强型AI助手中的风险与挑战，通过实验评估了大语言模型对学习动机、教学质量及学生表现的影响。
2026-03-18 cs.CY cs.HC
A Network Science Perspective to Personalized Learning
现代教育生态系统不是一刀切的。学者们习惯于在日常生活中个性化，并期望教育系统也能如此。此外，COVID-19大流行使我们所有人都处于一个急性教学和学习实验室实验中，现在创造了自主学习和与重点教育材料互动的期望。因此，我们研究如何通过学习平台，提供内容的选择和多种形式的参与，以支持自定进度的学习，学习目标可以实现，并提出了基于网络科学的个性化教育的方法。该框架通过提供由知识网络支持的学习者参与和内容选择，以个人技能和目标为基础和驱动力，将注意力集中在学习经验上，而不是教学经验上。最后，我们讨论了这样一个学习平台的原型，称为CHUNK学习。
2021-11-02 cs.CY cs.SI
Agent4Edu: Generating Learner Response Data by Generative Agents for Intelligent Education Systems
State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室）；University of Science and Technology of China（中国科学技术大学）；Institute of Artificial Intelligence（人工智能研究院）；Hefei Comprehensive National Science Center（合肥综合性国家科学中心）
提出Agent4Edu，一种利用大语言模型构建生成式智能体模拟学习者行为，以解决智能教育系统中离线指标与在线性能差异的问题，并支持个性化学习算法评估与优化。
2026-05-28 cs.AI cs.CY
Narrowing the Gap: Supervised Fine-Tuning of Open-Source LLMs as a Viable Alternative to Proprietary Models for Pedagogical Tools
University of New South Wales（新南威尔士大学）；Aalto University（艾尔沃斯大学）
本研究通过监督微调开源小模型（Qwen3-4B、Llama-3.1-8B、Qwen3-32B）于4万条真实编译器错误解释数据，证明其教学效果可媲美专有大模型，为教育工具提供可行且经济的替代方案。
2025-07-07 cs.AI cs.CL 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
LLMs are Biased Teachers: Evaluating LLM Bias in Personalized Education
UC Santa Barbara（加州大学圣巴巴拉分校）；Rutgers University（罗格斯大学）
本文评估了 LLM 在个性化教育中作为“教师”时的偏见，提出 MAB 和 MDB 两种指标，基于 9 个模型和超 17,000 条教育解释发现模型会延续或反转刻板印象，且收入与残障状况相关偏见最突出。
2025-02-09 cs.CL cs.CY
An LLM -Powered Assessment Retrieval-Augmented Generation (RAG) For Higher Education
Nottingham Trent University（诺丁汉特伦特大学）；London South Bank University（伦敦南岸大学）
本研究提出基于RAG架构的大语言模型驱动评估系统，通过整合评分标准和范文生成高质量反馈，实现大规模、一致的评估反馈，提升学生自主学习能力。
2026-01-05 cs.CY
