Sequencing in Intelligent Tutoring Systems based on online learning Recommenders

In dieser Arbeit entwickeln und testen wir Algorithmen fur Learning Analytics, die die personalisierte Sequenzierung von Matheaufgaben erlauben. Die Sequenzierung schlagt die nachste Aufgabe einem Schuler vor, die seine Lernbedurfnisse entspricht. Unsere Losung basiert auf Vygotskys „Zone of Proximal Development“ (ZPD), das die weder zu einfachen noch zu schwierigen Aufgaben fur den Schuler bestimmt. Der Sequenzer, auch Vygotsky Policy Sequencer genannt, ist in der Lage Aufgaben im ZPD zu erkennen, dank die von einem Vorhersagealgorithmus geschatzte zukunftige Leistung des Schulers. Die Arbeit enthalt folgende Beitrage: (1) Die Evaluation der Anwendbarkeit von Matrix Factorization als Inhaltsdomane unabhangige Algorithmus fur die Vorhersage der Leistung der Schuler. (2) Anpassung und Evaluation eines Matrix Factorization basierenden Algorithmus, der die zeitliche Evolution der Schulerkenntnisse einbezieht. (3) Entwicklung von zwei Ansatzen fur die Aktualisierung von Matrix Factorization basierenden Modellen durch den Kalman Filter. Zwei Aktualisierungsfunktionen sind benutzt: (a) eine einfache, die nur die letzte vom Schuler gesehene Aufgabe betrachtet, und (b) eine, die in der Lage ist, seine fehlenden Kompetenzen einzuschatzen. (4) Ein neues Verfahren von Machine Learning gesteuerte Sequenzer zu testen durch die Modellierung einer simulierten Umgebung, die aus simulierte Schulern und Aufgaben mit stetigen erzielten und gebrauchten Fahigkeiten und Schwierigkeitsgraden besteht. (5) Die Entwicklung einer minimal eingreifenden API fur die leichte Integration von Machine Learning basierende Komponente in grosere Systeme, um das Integrationsrisiko und die Kosten vom Know-How-Transfer zu minimieren. Dank all diesen Beitragen, wurde der VPS in ein groses kommerzielles System integriert und mit 100 Kinder fur einen Monat getestet. Der VPS zeigte Lerneffekte und wahrgenommene Erlebnisse, die mit den von den ITS Sequenzer vergleichbar sind. Infolge der besseren VPS Modellierfahigkeiten konnten die Schuler beendeten die Aufgaben schneller losen.

Authors

Publication Details

Journal
HilDok – Institutional Repository (Universität Hildesheim)
Published
2025-08-21
DOI
https://doi.org/10.25528/276
Citations
1
Primary Topic
Intelligent Tutoring Systems and Adaptive Learning
Type
article
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Sequencing in Intelligent Tutoring Systems based on online learning Recommenders

Carlotta Schatten
1 citations
HilDok – Institutional Repository (Universität Hildesheim)
Intelligent Tutoring Systems and Adaptive Learning
article

Sequencing in Intelligent Tutoring Systems based on online learning Recommenders

Carlotta Schatten
article en
1 citations

Abstract

In dieser Arbeit entwickeln und testen wir Algorithmen fur Learning Analytics, die die personalisierte Sequenzierung von Matheaufgaben erlauben. Die Sequenzierung schlagt die nachste Aufgabe einem Schuler vor, die seine Lernbedurfnisse entspricht. Unsere Losung basiert auf Vygotskys „Zone of Proximal Development“ (ZPD), das die weder zu einfachen noch zu schwierigen Aufgaben fur den Schuler bestimmt. Der Sequenzer, auch Vygotsky Policy Sequencer genannt, ist in der Lage Aufgaben im ZPD zu erkennen, dank die von einem Vorhersagealgorithmus geschatzte zukunftige Leistung des Schulers. Die Arbeit enthalt folgende Beitrage: (1) Die Evaluation der Anwendbarkeit von Matrix Factorization als Inhaltsdomane unabhangige Algorithmus fur die Vorhersage der Leistung der Schuler. (2) Anpassung und Evaluation eines Matrix Factorization basierenden Algorithmus, der die zeitliche Evolution der Schulerkenntnisse einbezieht. (3) Entwicklung von zwei Ansatzen fur die Aktualisierung von Matrix Factorization basierenden Modellen durch den Kalman Filter. Zwei Aktualisierungsfunktionen sind benutzt: (a) eine einfache, die nur die letzte vom Schuler gesehene Aufgabe betrachtet, und (b) eine, die in der Lage ist, seine fehlenden Kompetenzen einzuschatzen. (4) Ein neues Verfahren von Machine Learning gesteuerte Sequenzer zu testen durch die Modellierung einer simulierten Umgebung, die aus simulierte Schulern und Aufgaben mit stetigen erzielten und gebrauchten Fahigkeiten und Schwierigkeitsgraden besteht. (5) Die Entwicklung einer minimal eingreifenden API fur die leichte Integration von Machine Learning basierende Komponente in grosere Systeme, um das Integrationsrisiko und die Kosten vom Know-How-Transfer zu minimieren. Dank all diesen Beitragen, wurde der VPS in ein groses kommerzielles System integriert und mit 100 Kinder fur einen Monat getestet. Der VPS zeigte Lerneffekte und wahrgenommene Erlebnisse, die mit den von den ITS Sequenzer vergleichbar sind. Infolge der besseren VPS Modellierfahigkeiten konnten die Schuler beendeten die Aufgaben schneller losen.

HilDok – Institutional Repository (Universität Hildesheim)
Intelligent Tutoring Systems and Adaptive Learning
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.