视觉语言模型能否适应数学教育？一项基于学习者模型的量规研究
计算与语言
2026-05-18 v1 人工智能
摘要
自适应学习是指追踪学习者学习进度并根据个体学习者的学习表现调整教学过程的教育技术。它越来越被认为是开发有效学习支持工具的关键。视觉语言模型已在数学教育中得到应用，学生将其用作个性化指导的学习辅助工具。然而，目前尚不清楚视觉语言模型在提供数学指导时是否有能力适应不同的学习者画像。当前的视觉语言模型在数学辅导任务中缺乏针对这种对不同学习者画像适应性的系统评估框架。为弥补这一空白，我们借鉴了自适应学习框架中的学习者模型，并提出了一个基于学习者模型的量规。我们的量规将适应性评估形式化为三个方面：认知方面、动机方面和复杂性。我们还评估了视觉语言模型响应的两个额外维度：正确性（答案和解决方案的正确性）和质量（响应本身的质量）。我们的实验结果显示，不同模型之间的适应性存在可测量的差异，并揭示了当前的视觉语言模型难以持续生成基于学习者模型的教学响应，尤其是在接收到有限的学习者信息时。
引用
@article{arxiv.2605.16011,
title = {Can Vision Language Models Be Adaptive in Mathematics Education? A Learner Model-based Rubric Study},
author = {Jie Gao and Yongan Yu and Junzhu Su and Yiran Lin and Adam K. Dube and Jackie Chi Kit Cheung},
journal= {arXiv preprint arXiv:2605.16011},
year = {2026}
}