在智能辅导系统中，如何更精准预测学生的下一步操作？

来源：Arxiv

作者：Benjamin Paaßen、Barbara Hammer 、Thomas W. Price、Tiffany Barnes、Sebastian Gross、Niels Pinkwart

智能观 编译

智能辅导系统通过提示学生下一步该做什么，帮助学生解决多步骤的任务。然而，如果存在的可能性太多，那么手动提示或者使用专家模型都会变得不可行。

因此，依赖以前学生的数据，目前已经有几种方法可以自动推断出关于下一步的提示。这样的提示一般都有典型的编辑处理的味道，即基于过去有能力的学生所做的步骤，在给定情况下，现在有能力的学生也能完成。

在本文中，德国毕勒菲德大学“认知互动科技中心”的Benjamin Paaßen、Barbara Hammer，美国北卡罗来纳州立大学的Thomas W. Price、Tiffany Barnes以及柏林洪堡大学的Sebastian Gross、Niels Pinkwart设计了一个数学框架来分析基于编辑的提示策略。基于这个理论，他们还利用大量的状态空间和稀疏有限的学生数据，提出了一个新的提示策略，为学习任务提供基于编辑的提示。

作者们把这种技术称为“连续提示工厂”，因为它在一个连续的空间中嵌入学生数据，在这个空间中，最有可能的编辑可以从概率意义上推断出来，类似于提示工厂。

在实验评估过程中，作者证明了连续提示工厂可以预测有能力的学生在解决多步编程任务时所能做的事情。

从提示质量方面对UML（unified modelling language）数据集使用的提示策略进行评估

注：[16]是S. Gross和N. Pinkwart 在《How do learners behave in help-seekingwhen given a choice? 》的论文中提出的提示策略，[50]是K. Zimmerman和C. R. Rupakheti在《An automated framework for recommend-ing program elements to novices (n)》的论文中提出的提示策略。

左侧是连续提示工厂提供的编辑示例，右侧是K. Zimmerman和C. R. Rupakheti提供的编辑示例

同时，在相同情况下，连续提示工厂提供的提示，在一定程度上与人类导师给的暗示类似。

对这篇论文感兴趣的小虎斑可点击阅读原文获取完整PDF。

原文链接：https://arxiv.org/abs/1708.06564

想知道AI加教育领域有哪些最新研究成果？请在智能观（zhinengguanym）对话界面回复“论文”；

想要AI领域更多的干货？请在对话界面回复“干货”；

想了解更多专家的“智能观”，请在对话界面回复“观点”，去获取你想要的内容吧。

为答谢读者对智能观的支持与关注，我们每周会从评论区内挑选一条点赞靠前的优质留言，赠送（于11月14-16日期间举办的）GET2017（教育科技大会）价值199元的展票一张。

有人问：你们为什么要做智能观？为什么关注AI+教育？

我想，这不是一个选择。

当AI开始颠覆各行各业时，我们首先想到了教育。我们都有过学习时的挫败感，有过对硬灌输的不甘愿，有对教育的无奈。而AI给教育带来的潜能，终将改变这些。未来是我们正在为之努力的地方，教育可以影响当下，预测未来。

我们用心观察和记录教育在这个时代的蜕变；努力把前沿的动态、最新的进展、先进的观点带到你面前，希望与你一起思考和探索。我们相信，长出AI翅膀的教育，会创造出无限可能。