捕捉演化学生教学策略的通用师徒学习框架
机器学习
2026-02-25 v1 人工智能
摘要
强化学习（RL）和深度强化学习（DRL）近年来取得了快速进展，已成功应用于智能辅导系统（ITSs）等电子教育环境。尽管取得了显著成就，但由于样本效率低和难以设计奖励函数等主要挑战，DRL 在教育技术中的更广泛应用仍受限。相比之下，师徒学习（AL）通过少量专家演示来推断专家潜在的奖励函数，从而推导出能泛化并复制最优行为的决策策略。在本工作中，我们利用通用AL框架THEMES，以捕捉专家学生学习过程中的复杂性（其中可能随时间动态演化的多个奖励函数）来诱导有效的教学策略。我们对THEMES进行了评估，针对六个最先进的基线方法，展示了其卓越的性能，凭借仅18条上一学期的轨迹，即可在后续学期预测学生教学决策，实现0.899的AUC和0.653的Jaccard指数，证明其作为诱导有效教学策略的强大替代方案具有巨大的潜力。
引用
@article{arxiv.2602.20527,
title = {A Generalized Apprenticeship Learning Framework for Capturing Evolving Student Pedagogical Strategies},
author = {Md Mirajul Islam and Xi Yang and Adittya Soukarjya Saha and Rajesh Debnath and Min Chi},
journal= {arXiv preprint arXiv:2602.20527},
year = {2026}
}
备注
16 pages