谁在落后：基于课程在线学习系统中图级编码的学生行为画像分析
人工智能
2025-08-27 v1
摘要
智能教学系统（ITS）在教育领域的应用激增，虽然对基于课程的学习至关重要，但也可能无意中加剧表现差距。为解决此问题，学生画像分析对于跟踪进度、识别学习困难的学生以及缩小学生间的差距变得至关重要。此类画像分析需要衡量学生在不同方面的行为和表现，例如内容覆盖范围、学习强度以及对学习主题内不同概念的掌握程度。在本研究中，我们引入 CTGraph，一种图级表示学习方法，以自监督的方式对学生行为与表现进行画像分析。我们的实验表明，CTGraph 能够提供学生学习历程的整体视图，兼顾学生行为和表现的不同方面，以及他们与课程结构相对应的学习路径变化。我们还表明，我们的方法能够识别学习困难的学生，并提供对不同群体的比较分析，以精确定位学生在何时何处遇到困难。因此，我们的方法为教育工作者提供了更多机会，使其能深入了解学生的学习历程，并为更有针对性的干预措施铺平了道路。
引用
@article{arxiv.2508.18925,
title = {Who Is Lagging Behind: Profiling Student Behaviors with Graph-Level Encoding in Curriculum-Based Online Learning Systems},
author = {Qian Xiao and Conn Breathnach and Ioana Ghergulescu and Conor O'Sullivan and Keith Johnston and Vincent Wade},
journal= {arXiv preprint arXiv:2508.18925},
year = {2025}
}