将脚手架定制为诊断策略：理论知会的基于 LLM 的智能体

学习分析系统日益整合大语言模型（LLM），以在复杂的学习环境中提供自适应脚手架，然而个性化通常由全局教学选择驱动，而非与学习理论的原则性对齐，这限制了有效性和教学基础。在先前的工作中，我们在诊断推理的基于场景的学习环境中，研究了结构化和问题化脚手架方法如何通过 LLM 智能体实例化。虽然两种方法都支持学习，但我们观察到学习者交互模式的系统性差异，以及表明不同诊断策略受益于不同形式脚手架的明显趋势。基于这些发现，我们提出了一种基于知识学习指令（Knowledge Learning Instruction, KLI）框架的理论知会脚手架设计，因为不同的诊断策略针对不同类型的知识并需要不同的教学机制。我们使用 KLI 来指导策略需求与脚手架方法之间的对齐，并引入了一个知会 KLI 的混合 LLM 智能体，它根据正在练习的诊断策略调整其教学支持，而不是应用单一的全局脚手架方法。我们假设这种设计能够带来更好的学习收益。