开发用于评估学习困难的基于 AI 的心理测量系统及克服困难的适应性系统：定性与概念框架

学习困难给学生带来了重大挑战，影响了他们的学业表现和整体教育体验。这些困难有时会让学生陷入恶性循环：缺乏个性化支持的教育资源持续导致学生特殊需求得不到充分满足，使学生在长期的学业和职业发展中错失机会。本研究旨在提出一个适应性基于 AI 的虚拟辅导系统的概念框架，该系统结合心理测量评估来支持有学习困难的学生。该过程涉及精心选择和整合经过验证的现有成熟心理测量量表，以评估学习的关键维度，如认知能力、学习风格和学术技能。通过纳入专门评估这些困难的量表，心理测量测试将提供对每个学生独特学习特征的全面理解，并为适应性辅导系统内的针对性干预提供依据。本文还提出使用自编码器识别潜在模式，以生成用于收集心理测量数据的学生特征向量；定义状态空间和动作空间，表示学生所期望的图像、声音和文本交互组合；并采用扩展的贝叶斯知识追踪、分层模型和 Metropolis-Hastings 算法，以持续估计和监测学生在各种心理测量结构上的表现。所提出的系统将利用 LLM、视觉生成模型和心理测量评估的能力，提供针对每个学生独特学习特征和需求量身定制的个性化教学和支持。