边缘：一种面向误解的自适应学习理论框架.pdfVIP

边缘：一种面向误解的自适应学习理论框架

评估诊断生成练习

AnandaPrakashVerma

anandaprakashverma@

2025年8月13日

摘要

本我们提出边缘，这是一个通用的、能识别误解的自适应学习框架，由四个阶段组成：评估（能

译力与状态估计）、诊断（误解后验推断）、生成（反事实项目合成）和练习（基于索引的检索调

中度）。边缘统一了心理测量学（IRT/贝叶斯状态空间模型）、认知诊断（从干扰项模式和响应延

迟中发现误解）、对比项目生成（最小扰动以使学习者的捷径无效，同时保持心理测量的有效性）

1

v以及基于原则的调度（无休息强盗问题对间隔检索的近似）。我们形式化了一个复合准备度指标

4

2边得分，证明了其单调性和利普希茨连续性，并在遗忘和学习增益上的温和假设下推导出了一

2个接近最优的索引策略。我们进一步建立了反事实项目可证实在减少目标误解后验概率方面比

7

0标准实践更快的条件。本文重点在于理论与可实现的伪代码；实证研究留待未来的工作。

.

8

0

51介绍

2

:

v大规模准备高风险考试需要有效地纠正误解—稳定、系统性错误，这些错误无法通过通用练习

i

x

r来解决。传统的间隔重复和基于IRT的选择优化回忆和信息获取，但它们通常仍然无关紧要的误

a

解。边缘操作化了一个流水线，该流水线（i）连续估计学习者状态，（ii）从正确率、选择的干扰项、

时间和信心的联合分布中推断出潜在的误解结构，（iii）合成对比性反事实项目以失败当前的学习

者的捷径，并且（iv）安排检索以共同最大化掌握度和保留度，同时考虑时间预算。我们提供了一

个完整的数学处理方法和适合大规模部署的设计算法。

贡献。(1)一种概率状态模型，该模型通过时间感知和置信度感知的可能性来增强2PL-IRT。(2)

使用可聚类的干扰嵌入和定时签名的误概念后验贝叶斯诊断。(3)一个反事实项目生成的约束优化

视角，保留了构建有效性。(4)具有闭式优先索引和理论属性的不安分带宽数调度器。(5)一个复合

准备度分数，边得分，包括校准和保证。

1

2预备知识与符号约定

设为学习者，为主题，为项目。每个项目都与一个难度、一个区分度

和一个概念负载向量（Q-矩阵）相关联。对于学习者，表示主题能力向量

和每个主题的保持变量。令表示正确性，表示干扰项

索引如果，表示响应时间，表示自报信心。

2.1能力与响应模型

我们采用具有时间和信心效应的2PL似然函数。对于涵盖主题集的项目

，定义有效能力

eff(1)