人工智能赋能个性化学习路径推荐精准度——基于2024年科大讯飞智学网100万学生学习行为数据.docxVIP

人工智能赋能个性化学习路径推荐精准度——基于2024年科大讯飞智学网100万学生学习行为数据

一、摘要与关键词

摘要：二零二四年是教育数字化转型向纵深发展的关键之年，人工智能技术在教育领域的应用已从辅助教学工具转变为重塑教育生态的核心驱动力。其中，基于大数据的个性化学习路径推荐系统被视为解决规模化教育与个性化需求矛盾的重要途径。本研究依托科大讯飞智学网平台，采集了二零二四年全学年覆盖全国二十个省份、一千余所中学的两百万名初中生在数理化三个学科中的学习行为日志，最终筛选出一百万有效样本数据。研究旨在评估当前主流人工智能算法在真实教育场景下生成学习路径的精准度及其对学生学业表现的影响。研究构建了包含“知识状态诊断准确率”、“路径适配度”及“学业增值效能”的三维评估模型，综合运用深度知识追踪（DKT）、协同过滤及强化学习算法进行数据挖掘与实证分析。

研究发现，基于动态知识图谱与深度学习的混合推荐算法在路径推荐精准度上显著优于传统的规则导向型推荐，其知识点诊断准确率达到了百分之九十二以上。实证数据显示，接受高精准度路径推荐的学生群体，其知识点掌握效率较对照组提升了百分之三十五，无效刷题率降低了百分之四十。然而，研究同时也揭示了当前算法在应对“冷启动”问题及跨学科综合素养推荐方面的局限性。本研究证实了人工智能在提升学习路径精准度方面的巨大潜力，并为未来构建更具解释性与情感适应性的自适应学