解释编程作业中的潜在学生知识表征

人工智能在教育领域的最新进展利用了生成式大语言模型，包括使用它们来预测学生的开放式回答，而不仅仅是其正确性。然而，这些模型的黑箱性质限制了所学到的学生知识表征的可解释性。在本文中，我们通过提出 InfoOIRT（一种信息正则化的开放式项目反应理论模型）首次探索了解释潜在学生知识表征，该模型鼓励潜在的学生知识状态具有可解释性，同时能够为开放式编程问题生成学生编写的代码。InfoOIRT 最大化了用简单先验分布强制施加的固定潜在知识状态子集与生成的学生代码之间的互信息，这鼓励模型学习显著句法和语义代码特征（包括句法风格、编程技能掌握程度和代码结构）的解缠表征。通过在真实世界的编程教育数据集上的实验，我们表明 InfoOIRT 既能准确生成学生代码，又能产生可解释的学生知识表征。