ALIGNAgent：用于差距识别与下一步指导的自适应学习者智能

个性化学习系统已成为一种有前景的方法，通过根据个人需求定制教育内容、进度和反馈来提高学生成绩。然而，大多数现有系统仍然是碎片化的，专门用于知识追踪、诊断建模或资源推荐，但很少将这些组件整合到一个连贯的自适应周期中。在本文中，我们提出了 ALIGNAgent（Adaptive Learner Intelligence for Gap Identification and Next-step guidance，用于差距识别与下一步指导的自适应学习者智能），这是一个多智能体教育框架，旨在通过整合知识估计、技能差距识别和有针对性的资源推荐来提供个性化学习。ALIGNAgent 首先处理学生的测验表现、成绩单数据和学习者偏好，使用 Skill Gap Agent 生成主题级别的熟练度估计，该智能体采用概念级别的诊断推理来识别特定的误解和知识缺陷。在识别技能差距后，Recommender Agent 检索与诊断出的缺陷相一致的偏好感知学习材料，实现一个连续的反馈循环，在推进到后续主题之前进行干预。在两门本科计算机科学课程的真实数据集上进行的大量实证评估证明了 ALIGNAgent 的有效性，基于 GPT-4o 的智能体在知识熟练度估计中达到了 0.87-0.90 的精确率和 0.84-0.87 的 F1 分数，该估计已根据实际考试表现进行了验证。