利用 AI 驱动的问题推荐提升 LMS 中的数学学习

本文提出了一种 AI 驱动的方法，用于通过推荐相似的数学问题来增强现代学习管理系统（LMS）中的数学学习。使用 Meta 的 Llama-3.2-11B-Vision-Instruct 模型生成数学问题的深度嵌入，并应用余弦相似性、自组织地图（SOM）和高斯混合模型（GMM）三种推荐方法来识别相似问题。用户交互数据，包括会话持续时间、响应时间和正确率，用于评估各方法。我们的发现表明，虽然余弦相似性产生 nearly 相同的题目匹配结果，但 SOM 能提高用户满意度，而 GMM 总体上表现较差，这表明在一定程度上引入多样性可能有助于提高参与度和潜在的学习结果，直到多样性不再合理地保持平衡，这一关于所有三种方法实现情况的数据表明。