认知孪生：探究个性化思维模型构建及其人机回环性能提升
机器学习
2026-05-07 v1 人工智能
人机交互
摘要
本文提出了个性化思维模型（PTM），这是一种面向人工智能辅助教育的层次化、可解释的学习者表征。PTM 将来自学习者日志的证据组织为五层结构，涵盖行为实例、行为模式、认知惯例、元认知倾向和自我系统价值观。PTM 以 Marzano 教育目标新分类学为基础，旨在克隆学习者的思维模型并构建认知孪生。其构建流程结合了大语言模型推理（Gemini 2.5 Pro）、句子嵌入、降维和共识聚类。本文通过对 40 名参与者为期七周的研究，采用三种方法评估了 PTM 的保真度。首先，使用原子信息点匹配的自动评估在人机回环（HITL）优化前获得了 74.57% 的总体 F1 分数，优化后为 75.48%。其次，使用李克特量表的用户评估在五点量表上，HITL 前后条件的平均评分分别为 4.26 和 4.30。第三，语义对齐验证表明，主题连贯性从行为层的 0.436 增加到核心价值观层的 0.626，而与日志词汇的词汇重叠度在相同层间从 0.114 下降至 0.007。这些结果表明，PTM 生成的输出具有可接受的保真度，通常被用户认为反映了其思维，并展现出跨层语义抽象的一致模式。
引用
@article{arxiv.2605.04761,
title = {Cognitive Twins: Investigating Personalized Thinking Model Building and Its Performance Enhancement with Human-in-the-Loop},
author = {Wu-Yuin Hwang and Nur Alif Ilyasa and Muhammad Irfan Luthfi and Yuniar Indrihapsari},
journal= {arXiv preprint arXiv:2605.04761},
year = {2026}
}
备注
40 pages, 5 figures, 20 tables, 1 algorithm, 10 listings