DK-PRACTICE：基于学生知识状态为个性化学习内容提供智能推荐的教育平台

本研究介绍了 DK-PRACTICE（动态知识预测与教育内容推荐系统），这是一个利用机器学习为学生知识状态提供个性化学习推荐的智能在线平台。学生通过问答方式参与针对特定知识领域关键概念的短小且自适应的评估。系统根据学生先前答案的正确性和准确性动态选择下一个问题。测试完成后，DK-PRACTICE 分析学生的交互历史，以识别知识差距并为学生提供学习材料推荐。问题选择和学习材料推荐均基于使用来自真实学习环境中匿名数据的机器学习模型进行训练。为提供自我评估和监控学习进度，DK-PRACTICE 允许学生执行两次测试：一次教学前测试和一次教学后测试。每次测试后，系统会生成带有详细结果的报告。此外，平台提供基于记录的测试统计数据可视化学习进度的功能。DK-PRACTICE 通过赋能学生自我评估能力并为教师提供关于学生知识水平的宝贵信息，从而推动自适应和个性化学习。DK-PRACTICE 可扩展到各种教育环境和知识领域，前提是根据教育主题提供必要的数据。后续论文将介绍平台的实验应用与评估方法。