一种可解释的教育数据挖掘框架:用于识别误解和实施差异化教学

《Algorithms》:An Explainable Educational Data Mining Framework for Misconception Detection and Differentiated Instruction

【字体: 大 中 小 】 时间:2026年08月27日 来源:Algorithms 2.6

编辑推荐:

   摘要 人工智能(AI)和生成式人工智能(GenAI)日益支持个性化学习、智能评估以及基于数据的教

  

摘要

人工智能(AI)和生成式人工智能(GenAI)日益支持个性化学习、智能评估以及基于数据的教育决策。然而,有天赋的学生中可能存在的误解仍未被发现,因为高成就可能会掩盖概念上的误解。本研究开发并实证评估了一个由教师管理的闭环框架,该框架整合了教育数据挖掘(EDM)、学习分析(LA)、集成机器学习、可解释人工智能(XAI)、GenAI和差异化教学。来自255名有天赋的中学生的教育数据被转化为学生档案,并使用随机森林(Random Forest)、XGBoost、Boost、支持向量机(Support Vector Machine)、人工神经网络(Artificial Neural Network)和逻辑回归(Logistic Regression)进行分析,然后通过基于验证的加权概率集成方法进行组合。该集成模型的准确率为96.88%,精确率为92.00%,召回率为100%,F1分数为95.83%,ROC-AUC为0.9979,PR-AUC为0.9963,在整体分类性能上优于各个单独的分类器。SHAP方法提供了针对学生的具体解释,其中平均反应时间最常被作为主要解释特征。这些解释为GenAI支持的个性化干预提供了依据,教师在实施差异化教学前对这些干预措施进行了验证。干预后的数据被纳入学生的重新评估和档案更新中。该框架的主要贡献在于将学生档案分析、权重预测、可解释性、基于证据的的教学生成、专业验证和重新评估整合到一个连续的教育周期中。研究结果为该框架的计算可行性和解释性提供了初步的实证证据,同时为在不同教育环境和学生群体中进行进一步的外部和纵向验证提供了支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号