网络安全危机准备演习的多模态分析:什么预测成功?
人机交互
2026-03-31 v1 计算机与社会
机器学习
摘要
教学对齐,即预期认知与实施活动之间的匹配,是有效教学的核心,但难以在大规模上操作化。我们使用来自23个团队(76名学生)在五个练习环节中的多模态轨迹,对网络安全模拟中的对齐进行了研究。研究1使用布卢姆分类法对目标和团队邮件进行编码,并使用广义线性混合模型对关键练习任务的完成情况进行建模。对齐被定义为所需布卢姆层次与实施布卢姆层次之间的差异,它预测成功,而单独的布卢姆类别在考虑差异后并不能预测成功。研究2使用分组交叉验证和L1正则化逻辑回归比较预测特征族。文本嵌入和日志特征优于仅布卢姆模型(AUC约0.74和0.71对比0.55),它们的组合表现最佳(测试AUC约0.80),而布卢姆频率贡献甚微。总体而言,这项工作提供了模拟的对齐度量,并表明多模态轨迹最能预测性能,而对齐提供了可解释的诊断洞察。
引用
@article{arxiv.2603.28553,
title = {Multimodal Analytics of Cybersecurity Crisis Preparation Exercises: What Predicts Success?},
author = {Conrad Borchers and Valdemar Švábenský and Sandesh K. Kafle and Kevin K. Tang and Jan Vykopal},
journal= {arXiv preprint arXiv:2603.28553},
year = {2026}
}
备注
Accepted as full paper to the 27th International Conference on Artificial Intelligence in Education (AIED 2026)