RPKT：在对话式 AI 导师中学习您不知道的——递归先决条件知识追踪
人机交互
2025-09-10 v2
摘要
教育系统常常假设学习者能够识别其知识缺口，然而研究始终表明，学生在意识到自己所不知道需要学习的内容方面存在困难——即'未知的未知'问题。本文提出了一种新的递归先决条件知识追踪 (RPKT) 系统，通过动态先决条件发现来解决这一挑战。与依赖预定义知识图谱的现有自适应学习系统不同，我们的方法在实时内递归追踪先决条件概念，直至到达学习者实际的知识边界。该系统利用大语言模型进行智能先决条件提取，实施二进制评估界面以降低认知负荷，并根据识别出的知识缺口提供个性化学习路径。跨计算机科学领域的演示表明，该系统能够发现多个嵌套的先决条件依赖，识别跨领域的数学基础，并在不要求预建课程的情况下生成层次化学习序列。我们的方法在推动个性化教育技术方面具有巨大潜力，通过实现任何学科领域的真正自适应学习。
引用
@article{arxiv.2508.11892,
title = {RPKT: Learning What You Don't -- Know Recursive Prerequisite Knowledge Tracing in Conversational AI Tutors for Personalized Learning},
author = {Jinwen Tang and Qiming Guo and Zhicheng Tang and Yi Shang},
journal= {arXiv preprint arXiv:2508.11892},
year = {2025}
}