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
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
Smart Education: Higher Education Instruction and the Internet of Things (IoT)
物联网（IoT）在我们的日常生活中有许多应用。特别是物联网如何对教育和学习产生重大影响;随着我们进入“智能教育”时代。本文探讨了物联网如何继续改变教育格局，从课堂和评估到文化和态度。智能教育是应对未来教育挑战的关键工具。物联网工具在教育领域的使用越来越频繁，旨在提高学生的参与度，满意度和学习质量。物联网将重塑学生的文化和习惯。由于智能教育不仅仅是使用技术，它涉及一系列因素，从教育管理到教学技术和有效性。21世纪的教育工作者现在可以使用游戏化、智能设备、数据管理和沉浸式技术。使学者能够从学生那里收集各种信息。从监控学生参与到调整学习策略以提高学习效率。通过智能教育，教育工作者将能够更好地监测个别学生的需求，并相应地调整他们的学习负荷（即，最佳的学习环境/工作量，以支持和防止学生失败）。教育工作者面临的最大挑战之一是新技术将如何解决日益增长的问题（参与和成就）。变化的规模和速度（技术物联网时代）是前所未有的。通常，学生今天接受培训的工作明天就不会出现。教育不仅仅是知识获取，还包括数字技能、适应性和创造力（如果学生要在新世界中茁壮成长，这些都是必不可少的）。
2022-07-06 cs.CY cs.HC
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
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
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
Visual and unplugged coding lessons with smart toys
我们的计算机科学K-12教育研究小组和教育玩具公司Quercetti一直在合作设计和制造有助于刺激和巩固所谓的计算思维的玩具。这种方法的灵感来自于文献中已经巩固的方法，以及在世界范围内广泛使用的方法，例如Bebras任务和CS-不插电。本文介绍了两个智能玩具，他们的设计过程，教育活动，可以提出教师利用这两个玩具，评价的结果，从一些教师，最后反馈和评论的买家。这些玩具提出的主要活动通过小的彩色物理物品（例如，桩和球），以向年轻用户提供不插电的活动。
2022-05-23 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
Electronic Textbook as a Component of Smart Kids Technology of Education of Elementary School Pupils
文章分析了国内外电子教科书在教育系统中的使用经验，论证了Smart Kids技术作为一种教育系统的使用方法、形式、电子教育游戏资源、电子教科书在教育过程中的系统应用。根据学校的设施条件和教师的信息通信技术水平，提出了Smart Kids技术的4种实施形式（Smart Case、Smart Teacher、Smart Class和Smart Kids）。确定了为每种教学形式引进技术的目标、必要的设备以及在小学环境中实施的手段。基于小学教师工作的程序方法，六个阶段的技术引进的理由。阐述了运用Smart Kids技术原理引入混合教学的具体方面。介绍了乌克兰基础教育系统引进电子教科书的经验，论证了小学教师选择电子教科书的合理性，总结了教师对电子教科书中电子内容安排的意见和建议，具体说明了教师选择电子教科书和发展信息与交流能力的主要途径。据确定，在小学生教学中使用电子教科书的形式、方法和技术需要进一步论证。
2020-05-03 cs.CY physics.ed-ph
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
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
Personalization, Cognition, and Gamification-based Programming Language Learning: A State-of-the-Art Systematic Literature Review
本文通过系统综述81项研究，探讨个性化游戏化在编程语言学习中的作用，发现其能提升学生动机、参与度和学习成果，但效果受游戏化元素类型、个性化程度及学习者特征影响，并为教育实践提供了设计启示。
2023-09-05 cs.CY
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
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
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
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
An Immersive Visualization Tool for Teaching and Simulation of Smart Grid Technologies
智能电网研究，即智能电网，涉及分布在相对大的地理区域上的许多同时的用户。一种用于推进研究和社区教育的工具，提出了利用大型可视化中心，如天文馆，在模拟智能电网的相互作用。这种方法使用户沉浸在虚拟智能电网可视化中，并允许用户与其他几个用户进行实时的交互。这通过展示电网如何使用智能技术来促进社区教育。该模拟系统非常复杂，可以作为工业和高等教育的研究工具，用于测试软件算法、部署策略、通信协议甚至新硬件。
2015-09-21 cs.CY cs.HC
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
Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education
University of Iowa（爱荷华大学）
本研究利用GPT-4开发学习分析工具，量化学生参与度并评估教学策略，以支持数据驱动的个性化教育决策。
2024-09-18 cs.AI cs.CY 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
Artificial Intelligence in Lifelong Learning: Opportunities and Challenges in Adult Education Policy
本文探讨人工智能在成人教育政策中的应用，分析其在个性化学习、智能辅导和职业发展中的机遇，同时指出数字鸿沟、数据隐私等挑战，强调需通过包容性政策促进技术伦理与教育公平。
2026-04-15 cs.CY
Adaptive Learning Systems: Personalized Curriculum Design Using LLM-Powered Analytics
University of Utah（犹他大学）；Tianjin University（天津大学）；University of Pennsylvania（宾夕法尼亚大学）；Pennsylvania State University（宾夕法尼亚州立大学）
本文提出利用 LLM 分析实时学习数据并动态调整路径与资源的自适应学习框架，实验表明其可提升参与度、知识保持率并支持以学生为中心的教学。
2025-07-25 cs.CL 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
Mobile Technologies in Education
全球智能手机用户的增长是教育技术人员不应忽视的一个因素。这个不断增长的市场最终将导致无处不在的学习（u-learning）。具体内容的开发应被内容设计所取代，这些内容的语言应与可扩展的技术兼容，并将在未来以有吸引力的方式到达学生手中。
2021-10-30 cs.CY
Smart technology in the classroom: a systematic review.Prospects for algorithmic accountability
University of Bergen（卑尔根大学）
人工智能（AI）算法已经出现在教育领域，作为一种工具，使学习更有效。儿童使用不同的应用程序来掌握特定技能，学习新语言并跟踪其进度。使用这种智能技术对儿童有什么影响？我们进行了一次系统的回顾，以了解最新的技术水平。我们在几个子学科中探索了文献：可穿戴设备，儿童心理学，人工智能和教育，学校监控和问责制。我们的审查确定了对每个既定主题进行更多研究的必要性。我们设法找到了使用可穿戴设备的积极和消极影响，但无法得出结论，如果智能技术的使用导致降低幼儿的表现。基于我们的见解，我们提出了一个框架，以有效地确定教育中智能技术的责任。
2020-07-13 cs.AI cs.CY
Beyond Flashcards: Designing an Intelligent Assistant for USMLE Mastery and Virtual Tutoring in Medical Education (A Study on Harnessing Chatbot Technology for Personalized Step 1 Prep)
针对传统医学基础科学教育“一刀切”的问题，本研究结合生成式AI、RAG与Mistral模型打造智能备考助手，支持USMLE Step 1等多国同类医学考试辅导，在类BLEU/ROUGE指标上获0.5985分，可提供即时个性化解答。
2024-08-31 cs.CY
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
Narrowband-IoT (NB-IoT) and IoT Use Cases in Universities, Campuses, and Educational Institutions: A Research Analysis
Polytechnic University of the Philippines（菲律宾理工大学）；FEU Institute of Technology（远东大学理工学院）
本文研究NB-IoT在大学校园中的应用，分析其在智能管理、安全监控等方面的作用，并提出进一步推广的建议。
2024-08-06 cs.CY cs.ET
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
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
A Human-Centric Approach to Explainable AI for Personalized Education
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
本论文针对个性化教育中AI模型缺乏可解释性导致信任不足的问题，提出四种可解释性技术贡献并结合人类研究，为平衡性能与透明度的以人为本AI系统奠定基础。
2025-05-28 cs.CY cs.LG
Hybrid Human-AI Curriculum Development for Personalised Informal Learning Environments
近几十年来，非正式学习程序的变化非常快，这不仅是因为在线学习的出现，也是因为人们需要学习什么来满足他们的各种生活和职业目标。因此，在线教育平台有望提供个性化的最新课程，以帮助学习者。因此，在本文中，我们提出了一种基于人工智能（AI）和众包的方法来为个人学习者创建和更新课程。我们展示了这个课程开发系统原型的设计，其中贡献者收到基于AI的建议，以便能够定义和更新高级学习目标，技能和学习主题以及相关的学习内容。该课程开发系统还集成到我们的个性化在线学习平台中。为了评估我们的原型，我们将专家的意见与我们系统的建议进行了比较，在推荐技能，学习主题和教育材料时分别获得了89%，79%和93%的F1分数。此外，我们还采访了八位来自教育机构和职业咨询机构的高级专家。受访者一致认为，我们的课程开发方法具有很高的潜力，以支持创作活动的动态，个性化的学习环境。
2021-12-22 cs.CY
Shaping Integrity: Why Generative Artificial Intelligence Does Not Have to Undermine Education
本文探讨了生成式人工智能如何通过伦理融入课堂来促进学术诚信，结合义务论与自我决定理论等框架，论证了负责任地使用GAI能提升数字素养、鼓励知识建构并维护教育伦理标准。
2024-10-10 cs.CY
AI-powered Digital Framework for Personalized Economical Quality Learning at Scale
University of Tehran（德黑兰大学）
针对全球优质教育获取不均及低成本规模化需求，论文提出基于深度学习理论的 AI 数字学习框架，以 OLM、活动建议和双向 AI 支持实现个性化协作学习。
2024-11-20 cs.AI cs.CY cs.LG
Instructions and Guide for Diagnostic Questions: The NeurIPS 2020 Education Challenge
Rice University（莱斯大学）；University of Cambridge（剑桥大学）；Eedi；Microsoft Research（微软研究院）；Alan Turing Institute（艾伦·图灵研究所）
数字技术在教育中越来越普遍，使世界各地的学生能够访问个性化的高质量教育资源。重要的是，在这些资源中有诊断性问题：学生对这些问题的回答揭示了学生可能持有的误解的具体性质的关键信息。分析学生与这些诊断问题的交互所产生的大量数据可以帮助我们更准确地了解学生的学习状态，从而使我们能够自动化学习课程建议。在本次比赛中，参赛者将关注学生对这些多项选择诊断题的答案记录，目的是1）准确预测学生提供哪些答案; 2）准确预测哪些问题质量高; 3）为每个学生确定最能预测学生答案的个性化问题序列。这些任务非常接近现实世界教育平台的目标，并且高度代表了当今面临的教育挑战。我们提供了超过2000万个学生对Eedi数学问题的答案示例，Eedi是一个领先的教育平台，每天有成千上万的学生在全球范围内进行互动。本次竞赛的参与者有机会为全球数百万学生的个性化教育质量产生持久的现实影响。
2021-04-12 cs.CY cs.HC cs.LG
From Robots to Books: An Introduction to Smart Applications of AI in Education (AIEd)
Center of Excellence of Artificial Intelligence, Odisha University of Technology and Research（奥里萨科技大学人工智能卓越中心）
近几十年来，由于技术的迅速发展，我们周围的世界发生了根本性的变化。下一代的工业正在发展，而人工智能是被普遍称为工业4.0的变化。事实上，专家们预测，人工智能（AI）将成为我们逗留、交谈、学习、生活、沟通和开展业务的方式发生重大虚拟转变的主要力量。我们社会联系的各个方面都在被这种不断发展的技术所改变。教育领域的人工智能（AIEd）是教育技术的最新领域之一，本研究从工业和学术两个角度强调了人工智能在教育领域的不同应用。它强调了最近的情境化学习，新颖的变革性评价和先进的辅导系统。它分析了AIED的道德组成部分和过渡对人的影响，特别是学生和教师以及。最后，本文涉及AIED的潜在未来的研究和实践。本研究的目标是向其预期受众介绍当前的应用程序。
2023-01-11 cs.AI cs.CY cs.LG
Smart Learning in the 21st Century: Advancing Constructionism Across Three Digital Epochs
School of Education, Tel Aviv University（特拉维夫大学教育学院）；Association of Teachers of Mathematics（数学教师协会）；School of Computer Science, Holon Institute of Technology（霍隆理工学院计算机科学学院）
本研究梳理建构主义教育框架在个人计算、网络化社会、生成式AI三个数字时代的演变，提出将其融入智慧教育作为个性化民主化学习的基础方法，为教育者和政策制定者提供参考。
2025-01-13 cs.AI cs.CY
Advancing Transformative Education: Generative AI as a Catalyst for Equity and Innovation
本文探讨生成式AI在教育中的应用机遇与挑战，提出解决公平差距的可操作框架，强调伦理考量，指出需负责任地整合AI以确保教育系统的可及性、公平性和创新性。
2024-11-24 cs.AI cs.CY
A4L: An Architecture for AI-Augmented Learning
Design Intelligence Laboratory, Georgia Institute of Technology（设计智能实验室，佐治亚理工学院）
本文提出A4L架构，用于收集分析学习数据并反馈给教师、学习者和AI智能体，以支持成人在线教育的个性化与规模化学习。
2025-10-24 cs.AI cs.CY
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
EduAgentQG: Multi-Agent Personalized Mathematics Question Generation with Explicit Diversity and Objective-Aware Evaluation
East China Normal University（东华大学）；Shanghai Institute of Al for Education（上海人工智能教育研究院）；The Chinese University of Hong Kong, Shenzhen School of Data Science（香港中文大学（深圳）数据科学学院）
本文针对现有数学问题生成方法难以兼顾目标对齐与可控多样性的问题，提出多智能体框架EduAgentQG，构建专属基准并验证其在多项指标上优于COT等基线方法。
2026-08-27 cs.AI cs.CL cs.CY
GitSEED: A Git-backed Automated Assessment Tool for Software Engineering and Programming Education
针对编程课程人数多、现有自动化评估工具难定制、语言支持有限的问题，本文提出GitLab支撑的语言无关评估工具GitSEED，助力学生学习git与编程，支持教师定制反馈，实验证实其与学生参与度正相关。
2024-09-11 cs.CY cs.SE
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
Results and Insights from Diagnostic Questions: The NeurIPS 2020 Education Challenge
这场比赛涉及教育诊断问题，这是教学有效的，多项选择题（MCQ）的干扰体现误解。随着大量的和不断增加的此类问题，它成为压倒性的教师知道哪些问题是最好的学生使用。因此，我们试图回答以下问题：在手动个性化不可行的大规模学习场景中，我们如何使用数亿个MCQ答案的数据来驱动自动个性化学习？成功大规模使用MCQ数据有助于构建更智能、个性化的学习平台，最终提高教育质量。为此，我们引入了一个新的，大规模的，真实世界的数据集，并制定了MCQ上的4个数据采掘任务，模拟真实的学习场景，并针对上述问题的各个方面，在NeurIPS 2020的竞争环境。我们报告我们的NeurIPS比赛中，近400支球队提交了约4000份意见书，与我们的每一个任务的多样性和有效的方法。
2021-04-08 cs.CY cs.HC
Latent Skill Embedding for Personalized Lesson Sequence Recommendation
Cornell University（康奈尔大学）
在线课程中的学生生成大量数据，可用于个性化学习过程和提高教育质量。在本文中，我们提出了潜在技能嵌入（LSE），学生和教育内容的概率模型，可用于推荐个性化的课程序列，以帮助学生准备具体的评估。类似于推荐系统的协同过滤，该算法不要求学生或内容由特征描述，但它使用访问轨迹来学习表示。我们制定这个问题作为一个正规化的最大似然嵌入的学生，经验教训，并从历史的学生内容的互动评估。对自适应学习技术公司Knewton的大规模数据进行的实证评估表明，该方法预测评估结果与基准模型具有竞争力，并且能够区分导致掌握和失败的课程序列。
2016-02-23 cs.AI cs.CY cs.LG
Future-proofing Education: A Prototype for Simulating Oral Examinations Using Large Language Models
Brandenburg University of Applied Sciences（勃兰登堡应用技术大学）
本文研究利用大型语言模型构建自动化口试模拟原型，并通过师生评估验证其在模拟口试、个性化反馈和减轻教师负担方面的有效性，展示LLMs促进教育民主化与提升教学效率的潜力。
2023-12-22 cs.AI cs.CY
From Pilots to Practices: A Scoping Review of GenAI-Enabled Personalization in Computer Science Education
School of Computer Science and Engineering, California State University, San Bernardino, CA 92407 , USA（计算机科学与工程学院，加州州立大学，桑 bernardino，CA 92407，美国）
本文通过综述32项研究，探讨生成式AI在计算机科学教育中的个性化应用，提出探索优先的采用框架，强调试点和证据驱动的扩展，以提升学习效果并应对相关风险。
2025-12-23 cs.AI cs.CY cs.HC
A large language model-assisted education tool to provide feedback on open-ended responses
University of Pennsylvania（宾夕法尼亚大学）；Johns Hopkins University Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室）；Rochester Institute of Technology（罗切斯特理工学院）
本文提出一款基于大语言模型的教育工具，在教师定义标准引导下自动为开放式问题回答提供快速个性化反馈，并开源了Web应用和Jupyter Notebook小部件两种实现。
2023-07-25 cs.AI cs.CY
Artificial Intelligence Ecosystem for Automating Self-Directed Teaching
Terna Engineering College（特纳工程学院）
本研究提出一种AI驱动的教育理念，利用微调模型构建自适应学习环境，集成定制路线图、自动化演示生成、三维建模与实时虚拟助手，优化自主学习并提升教育成果。
2024-11-11 cs.AI cs.CY cs.LG
Personalized Knowledge Tracing through Student Representation Reconstruction and Class Imbalance Mitigation
South China Normal University（华南师范大学）；Jinan University（暨南大学）
针对现有知识追踪模型忽略学生个体特征、数据集类别不平衡导致预测偏差的问题，提出融合学生交互序列表示重构与focal loss的PKT方法，在四个公开数据集上优于16种现有最优模型。
2024-09-10 cs.AI cs.CY cs.LG
PRISM: A Personalized, Rapid, and Immersive Skill Mastery framework for personalizing experiential learning through Generative AI
Department of Electrical and Computer Engineering, University of Arizona（电气与计算机工程系，亚利桑那大学）；Department of Systems and Industrial Engineering, University of Arizona（系统与工业工程系，亚利桑那大学）；Department of Industrial Engineering, University of Sonora（工业工程系，索诺拉大学）；Leonhard Center for Enhancement of Engineering Education, The Pennsylvania State University（工程教育增强中心，宾夕法尼亚州立大学）
PRISM框架利用生成式AI和数字孪生技术，通过情感分析和RAG实现个性化、快速且沉浸式的技能学习，提升教育效率和适应性。
2025-07-26 cs.AI cs.CR cs.CY
