掌握学习在智能辅导系统中的作用：基于潜变量的主分层

代数一课堂中的学生通常以不同速率学习，并在课程的不同节点遇到困难——这是数学教师的常见挑战。教育计算机程序 Cognitive Tutor Algebra I (CTA1) 通过其所称的“掌握学习”来解决此类学生异质性，即学生在每个阶段展示适当的“掌握”后从课程的一个章节进阶到下一章节。然而，当学生即使尝试许多问题仍无法掌握某章节技能时，他们仍会被自动晋升到下一章节。无掌握的晋升是否会损害该程序的有效性？至少在某些领域，近期一项随机效果研究显示 CTA1 平均上改善了学生学习。本文使用该研究的学生日志数据，在连续主分层模型中估计学生潜在掌握与 CTA1 处理效应之间的关系。与现有的主分层应用不同，此处学生掌握已做功课的倾向从未被直接观测到。因此，我们将测量学生潜在掌握的项目反应模型嵌入到更大的主分层模型中。我们发现，事实上该导师对于更频繁晋升（尽管未成功完成材料章节）的学生可能更有效。然而，由于这些学生在教育实力（以及其他方面）上与众不同，尚不清楚这种增强的有效性是否可直接归因于掌握学习程序的各个方面。