69、智能辅导系统中练习场表现的理解与预测

智能辅导系统中练习场表现的理解与预测

1. 引言

个性化学习是当前教育的重要目标，旨在为每个学生提供符合其独特需求的学习环境。在传统学校环境中，实现个性化学习对教师而言资源消耗大且耗时。而智能辅导系统（ITS）的出现，为个性化学习的实践提供了可能。通过ITS，学校可以更轻松地监测学生的学习进度，因为系统能提供学生学习行为的数据。

精准教育是个性化学习的进一步发展，它有两个目标：一是识别学生的学习状态，二是为学习困难的学生提供及时干预。推断学生的当前表现（即学习状态）是将精准教育引入学校的重要一步。

虽然许多研究关注学术表现预测（APP），但很少有研究深入探讨哪些学生特征（如人口统计学、先前表现）和行为变量会影响APP。理解这些变量对于精准教育至关重要，因为了解预测性的行为特征是进行针对性行为干预的前提。

近年来，数据驱动的机器学习（ML）算法在APP中的应用越来越多，与传统回归方法相比，其预测能力有所提高。然而，高度预测性的ML模型往往过于复杂，人类难以完全理解，因此提取有影响力变量的信息具有挑战性。为了实现精准教育的两个目标，我们建议将ML模型与可解释人工智能（XAI）组件相结合。

我们的贡献主要有两点：
1. 展示XAI在预测练习表现时从ML模型中获取见解的有用性。
2. 呈现哪些（行为）变量对ML模型预测练习表现影响最大，以及它们是如何产生影响的。

2. 相关工作

2.1 学术表现预测

ITS的引入使得收集细粒度的学习过程数据变得更加容易，ML模型在APP中的应用也随之增加，这为实现精准教育的第一个目标——预测学生的当前学术表现铺平了道路。在学习分