In recent years, instructional practices in Operations Research (OR), Management Science (MS), and Analytics have increasingly shifted toward digital environments, where large and diverse groups of learners make it difficult to provide practice that adapts to individual needs. This paper introduces a method that generates personalized sequences of exercises by selecting, at each step, the exercise most likely to advance a learner's understanding of a targeted skill. The method uses information about the learner and their past performance to guide these choices, and learning progress is measured as the change in estimated skill level before and after each exercise. Using data from an online mathematics tutoring platform, we find that the approach recommends exercises associated with greater skill improvement and adapts effectively to differences across learners. From an instructional perspective, the framework enables personalized practice at scale, highlights exercises with consistently strong learning value, and helps instructors identify learners who may benefit from additional support.
SequeL team INRIA Lille - Nord Europe France（INRIA里尔-北欧洲法国SequeL团队）；SequeL team INRIA Lille, France（INRIA里尔法国SequeL团队）；Microsoft Research NE, USA（美国微软研究院NE部门）；ML and Optimization Group Microsoft Research Bangalore, India（印度班加罗尔微软研究院机器学习与优化组）
Position-Based Multiple-Play Bandits with Thompson Sampling
Louis Vuitton（路易威登）；Univ. Rennes（雷恩大学）；Ensai（雷恩高等统计与信息分析学院）；CNRS（法国国家科学研究中心）；CREST；Université de Rennes 1（雷恩第一大学）；IRISA；INRIA（法国国家信息与自动化研究所）；IUF（法国大学研究院）
University of Chicago（芝加哥大学）；University of Cambridge（剑桥大学）
我们提出了一种新的算法在推荐系统设置的顺序矩阵完成，其中矩阵的$(i,j)$的第$i$对应于用户的产品$j$的评级。该算法的目标是提供一个顺序的政策，用户产品对推荐，这将产生最高的可能评级后，有限的时间范围。该算法采用Gamma过程因子模型，并采用两种后验集中的Bandit策略：Thompson抽样和信息定向抽样。虽然汤普森抽样在模拟中表现出了竞争力，但最先进的性能是从信息导向抽样中获得的，它根据预期奖励和信息增益度量之间的比率提出建议。据我们所知，这是信息定向采样在大型真实数据集上的第一次实现。这种方法有助于最近对协作过滤的强盗方法的研究，包括Kawale et al.（2015），Li et al.（2010），Bresler et al.（2014），Li et al.（2016），Deshpande & Montanari（2012）和Zhao et al.（2013）。正如Kawale et al.（2015）和Zhao et al.（2013）所指出的那样，本文的背景对有限视野后的后悔提出了重大挑战。我们讨论了这些挑战与更简单的模型土匪与边信息，如线性或高斯过程土匪，并希望在这里提出的实验激励进一步的研究理论保证。
