arXiv cs.CY· Vikrant Sahu, Khethavath Sunil Naik, Gagan Raj Gupta·· 2 天前AI 评分24
MARS：面向个性化评估的动量感知自适应评分系统
MARS: A Momentum-Aware Adaptive Rating System for Personalized Assessment
AI 导读
研究者提出 MARS，一种动量感知自适应评分系统，将题库表示为有向加权知识图谱，结合动态评分敏感度、作答质量与动量感知的学习者速度更新能力值。在 ASSISTments 2009 和 MARS-SimExam 上，MARS 的评分更新比 Fixed Elo 更平滑，并在限时负分路由下取得最高分，总分较最强基线提升 8.09，超时违规率从 50% 降至 5.6%。
正文 · AI 翻译
摘要：自适应评估系统通过估计学习者能力并推荐合适的问题来实现个性化学习。然而，许多现有方法依赖于固定的难度标签、静态评分更新或黑盒预测模型，对评分稳定性、可解释性和时间受限的出题路由控制有限。本文提出 MARS，一种用于可解释自适应评估的动量感知自适应评分系统。MARS 将题库表示为有向加权知识图谱，并利用动态评分敏感度、作答质量和动量感知的学习者速度来更新学习者能力。我们还形式化了一个时间预算下的得分最大化目标，其中策略在负分惩罚下于固定测试时长内选择问题。在 ASSISTments 2009 和 MARS-SimExam 上的实验从预测、评分稳定性和自适应路由方面评估了 MARS。结果表明，MARS 比 Fixed Elo 提供更平滑的评分更新，并在时间预算负分惩罚路由下取得最高得分，相比最强基线总分提高 8.09，并将超时违规从 50% 降至 5.6%。这些结果表明 MARS 适用于实时、可解释且易于部署的自适应评估。
| 学科： | 计算机与社会（cs.CY）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.21685 [cs.CY] |
| （或 arXiv:2610.21685v1 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21685 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Vikrant Sahu [查看电子邮件]
[v1]
2026年10月15日星期四 11:09:49 UTC（562 KB）
来源：arXiv cs.CY · arxiv.org