《智能体辅助协作学习》2023最新博士论文

这项工作最初只是我们心中的一个好奇问题，即能否帮助选修大型电子学习课程的学生坚持学完所选课程。这篇论文始于 2016 年，是一次探索和学习之旅。从一开始，为了更好地理解手头的问题并提供可能的解决方案，我们就对一些过程进行了调查。为了实现这一目标，这项研究必须走出纯技术解决方案的边缘，深入到其他学科。虽然这项工作提出的建议纯粹是技术性的，但它是以学习心理学、哲学等不同学科为基础的。此外，还探讨了学习的历史和经济重要性，但为了不偏离工作的主线，即找到帮助学生完成在线承诺的前进方向，这些研究被放在文件末尾的附录中。

在文献综述一章中，讨论了电子学习生态系统的创建。然后，研究转向了人们的学习方式，以及是什么让他们更好地抓住重点。对这些现象进行了初步研究，以便为本文的其余部分奠定基础。也就是说，人们需要参与到学习中来，为他们提供跟进整个过程的手段，为他们的学习提供支架，并在他们的知识库中加入事实之间的联系。从本质上讲，这使学习成为一种整体体验。有人认为，许多主流的电子学习平台并没有提供这样的体验。材料制作非常出色，但学生基本上只能靠自己。学习过程中不同参与者或代理之间的合作是必要的。因此，一旦确定了缺失的环节，研究的重点就放在了如何填补空白并在学习过程中进行代理协作上。随后，研究重点转移到了各种技术上，这些技术存在于不同的环境中，但在教育中却被发现是缺失的。我们引入了一种与推荐系统非常相似的方法。就像在零售网站上对买家进行分析并提供建议一样，也可以用同样的方式，以学生的学习进度和行为作为输入，对学生进行分析。其结果将是向学生推荐其关注的领域。为补充建议，还提出了学习过程中的另一个步骤。那就是解释。很多时候，人工智能算法工作得很好，但却没有留下什么线索来说明它们是如何得出结论的。因此，人类就被排除在了这个循环之外。本论文提出的解决方案并不是创建新的算法来记录其内部运作。而是为数据添加注释，以便人类在学习过程中更好地理解。

为了实现更好的自动解释，研究人员放弃了关系数据库的僵化模式，转而采用一种更新颖的方法，即以网络或图形的形式表示数据。这样，数据就可以随意链接、添加和修改，为底层结构增添了灵活性和自由度。学生，甚至教师，都可以将不断增长的数据库作为自己的个人知识库。通过知识图谱的遍历，可以解释 "为什么 "某些事实被联系在一起，或者突出知识中缺失的关系。这也为探索知识库提供了可能性。

我们使用了一个人造的学生成绩数据集，该数据集密切反映了真实班级的成绩。这是对学生进行特征分析的基础。使用 KNN 算法对数据进行标记和分类。然后将学生的成绩输入算法，将未知成绩指标与数据集中的已知组别进行对比。在正确分类后，学生就会被引导到一个预先构建的知识图谱中，该图谱包含了提高知识水平所需的答案。

这项研究表明，通过努力，我们可以建立一个能够跟踪用户学习历程的系统。这是通过密切模仿人类期望知识呈现的方式来实现的。技术并没有脱离人类的语境，而是进入了人类的领域。