面向在线教育中目标导向的智能辅导系统

交互式智能辅导系统（ITS）通过在线教育中的交互和问题解决促进有效学习，从而增强了传统ITS。然而，当前ITS设计中往往忽视了主动参与，即通过规划和评估能力优先优化资源。在这项工作中，我们研究了一个新任务，称为目标导向的智能辅导系统（GITS），旨在通过策略性地规划定制的练习序列和评估，使学生掌握指定概念。为了解决GITS中目标导向策略学习的问题，我们提出了一种新颖的基于图的强化学习框架，称为规划-评估-交互（PAI）。具体来说，我们首先利用认知结构信息来改进状态表示学习和动作选择，以规划下一步动作，该动作可以是辅导练习或评估目标概念。此外，我们使用动态更新的认知诊断模型来模拟学生对练习和概念的反应。构建了三个涵盖不同学科的基准数据集，以支持GITS的离线学术研究。实验结果证明了PAI的有效性和效率，并对不同类型的学生进行了广泛分析，以展示该任务中的挑战。