arXiv cs.CY· Zhangqi Duan, Simon Woodhead, Maya Miller-Vedam, Andrew Lan·· 3 天前AI 评分22
统一建模问答与辅导对话的IRT响应框架
A Unified Response Framework for Questions and Tutoring Dialogues
AI 导读
该研究提出一个统一框架，将学生对问题的回答与辅导对话中导师提出的子任务建模在同一IRT量表上。方法先从辅导对话中识别数学子任务并改写为自包含问题，再通过IRT从文本估计题目/子任务难度、追踪学生能力变化，并利用导师在连续子任务间的引导动作正则化难度值。在两个含人类与AI辅导对话的真实数学教育数据集上，该框架在题目难度预测和回答正确性预测上均优于强基线。
正文 · AI 翻译
摘要：教育应用中现有的学生模型主要关注学生对问题的回答。然而，随着辅导大规模普及，分析导师与学生之间的对话变得十分重要，因为对话可能揭示关于学生知识的细粒度证据。在这项工作中，我们提出了一个统一框架，在共享的项目反应理论（IRT）量表上，对学生对问题的回答以及对话中导师提出的子任务进行建模。我们首先识别辅导对话中的数学子任务，将其改写为自包含的问题，并识别学生对这些问题回答的正确性。然后，我们开发了一个 IRT 框架，从文本中估计问题/子任务的难度，追踪学生在问答和对话交互中不断变化的能力，并提出了一种新方法，利用连续子任务之间的导师动作来正则化其难度值。我们在两个包含人类和 AI 辅导对话的真实世界数学教育数据集上评估了我们的框架。结果表明，我们的框架在问题难度预测和回答正确性预测方面均优于强基线。
| 主题： | 计算与语言（cs.CL）；计算机与社会（cs.CY）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.19532 [cs.CL] |
| （或 arXiv:2610.19532v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19532 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Zhangqi Duan [查看电子邮件]
[v1]
2026年10月14日星期三 03:47:20 UTC（715 KB）
来源：arXiv cs.CY · arxiv.org