72、助力教育科技：模拟学习者与车轮空转检测的研究洞察

助力教育科技：模拟学习者与车轮空转检测的研究洞察

在教育科技领域，模拟学习者和车轮空转检测是两个重要的研究方向。模拟学习者能够模拟人类学习过程，为教育技术的评估和优化提供支持；而车轮空转检测则有助于及时发现学生在学习过程中的低效状态，以便采取针对性的干预措施。本文将深入探讨这两个方面的研究成果。

车轮空转的早期检测

在教育系统中，及时发现学生的车轮空转（WS）、有效坚持（PP）和非坚持（NP）状态对于优化学习效果至关重要。为了实现这一目标，研究人员构建了决策树模型，并通过分析不同数量练习机会下的模型性能变化来进行早期检测。

1. 模型构建与特征选择
   • 性能指标与数据处理 ：采用10折交叉验证的AUC作为性能指标。由于WS、NP和PP类之间存在不平衡，通过随机添加少数类记录的副本对训练数据进行过采样。为衡量模型的优劣，采用宏平均AUC进行多类预测。
   • 特征选择 ：在125个特征中，部分特征是基于学生在过去一定数量问题上的行为计算得出的。通过前向特征选择算法，为每个“first - x”数据集确定了最大化模型性能的特征集。研究发现，提示使用相关特征在所有数据集模型中都有出现，且在五个模型的根节点被选中，这表明提示请求相关特征在预测WS、NP和PP中起着关键作用。此外，练习机会数量、时间以及之前问题的错误尝试次数等特征也在不同模型中存在。
   • 特征分类 ：将所有选定的特征归纳为七个类别，包括问题集中的问题类型、帮助请求行为、提示使用、脚手架、机会数量