学习进程引导的 AI 评估科学模型，以支持 NGSS 课堂中多模态理解
计算机与社会
2025-09-26 v1 机器学习
摘要
学习进程（LP）如果能反映测量构念的多样化思维方式，并且 LP 对齐的评估能有意义地衡量这种多样性，则可帮助调整教学以满足个体学习者的需求。科学探究本质上是多模态的，科学家会利用绘图、写作和其他模态来解释现象。因此，培养深入的科学理解需要支持学生在解释现象时使用多种模态。我们基于一个已验证的 NGSS 对齐的多模态 LP，反映了对某一构念进行建模和解释的多样化方式以及配套评估。我们聚焦于学生建模，这是构建深入科学理解的关键实践。通过支持文化和语言多样性学生的建模技能，为他们提供交流理解的另一种方式，对于实现公平的科学评估至关重要。机器学习（ML）已用于对开放式建模任务（例如绘图）和短文本构建的科学解释进行评分，这两种任务都是耗时的。我们使用 ML 来评估 LP 对齐的科学模型以及伴随的短文本解释，反映对高中物理科学中电相互作用的多模态理解。我们展示了如何在两个评估模态上学生思维多样性指导下，设计出以 LP 为导向的个人化 ML 驱动反馈。
引用
@article{arxiv.2509.18157,
title = {Learning Progression-Guided AI Evaluation of Scientific Models To Support Diverse Multi-Modal Understanding in NGSS Classroom},
author = {Leonora Kaldaras and Tingting Li and Prudence Djagba and Kevin Haudek and Joseph Krajcik},
journal= {arXiv preprint arXiv:2509.18157},
year = {2025}
}