智能教学系统对学生学习的影响及知识组件生成研究
在教育领域,智能教学系统(ITS)的应用愈发广泛,其对学生学习的影响以及如何高效生成知识组件(KCs)成为了研究的热点。本文将围绕这两个方面展开探讨,结合相关研究案例,分析智能教学系统的使用情况以及利用众包和主题建模生成知识组件的方法。
智能教学系统使用情况研究
在一项关于智能教学系统 EER - Tutor 的研究中,对 2018 年和 2019 年同一课程的学生使用情况进行了分析。
2018 年研究情况
研究首先对模型进行了评估,卡方检验(自由度 df = 2)表明模型预测与数据无显著差异(p = 0.44),比较拟合指数(CFI)为 0.99,近似均方根误差(RMSEA)为 0.01,说明模型是可接受的,且所有路径系数在 p < 0.005 时显著,所有假设得到证实。
为了探究解决问题数量对学生成绩的影响,将 2018 年学生事后分为两组:活跃组(在 EER - Tutor 中解决三个或更多问题的学生)和其他组。两组学生的预测试成绩存在显著差异(t = 2.32,p < 0.05),活跃组学生初始知识水平较高且更多使用系统,可能是因为他们更有动力。在归一化增益方面无显著差异,但完成后测的学生数量较少,可能是因为学生在课程后期更关注作业,后测优先级较低。而在作业和考试成绩上,两组存在显著差异(作业:t = 3.01,p < 0.005;考试:t = 4.72,p < 0.001)。具体成绩数据如下表所示:
| 分组 | 预测试 | 归一化增益 | 作业 | 考试 |
| — | — | — | — | — |
| 活跃组 | 57.