跳到正文

#学习分析

今日 0 条
10月9日周五
  1. arXiv · cs.CL（语言与教育交叉）42

    System-One LLM 能否在少量或无学习者日志时完成知识追踪？

    研究测试了现成 System-One LLM 在少量或无学习者日志下的知识追踪能力：Jev 在无目标平台数据时于七个数据集上平均 AUC 达 .706，高于 28 个深度知识追踪模型用 8 名学习者训练的最佳成绩（.689），也高于 System-Two Thinking-KT（.650），API 成本约为其 1/100。

  2. arXiv · cs.CL（语言与教育交叉）62

    微调小模型在语法概念标注上超越提示式前沿模型并已部署

    研究团队用筛选并重平衡的教师生成监督数据微调 Qwen3.5 小语言模型，并将 0.8B 模型部署到面向平台全部英语学习者的语法掌握度追踪器中。在两个人工标注基准上，部署的 0.8B 模型与 4B 参照模型在概念、证据片段和正确性三层嵌套匹配标准下的精确率与召回率均超过提示式 GPT-5.4 和 GPT-5.6 Sol，服务成本降低约 16 倍。

    推荐理由：论文给出微调小模型在语法标注上超越前沿大模型的精度与成本对比，可供教育产品选型参考。

10月8日周四
  1. arXiv · cs.CY（AI+教育/社会）62

    Argus：普渡大学 CS2 课程用行为与风格指标检测 LLM 辅助编程

    普渡大学团队提出自动检测系统 Argus，通过行为与风格指标识别本科 C 语言编程作业中的 LLM 辅助痕迹，并对该校大班 CS2 课程连续六年春季学期数据进行分析，发现 2026 年春季学期 45% 的选课学生呈现与 LLM 辅助代码开发一致的模式。

    推荐理由：论文用六年数据量化编程课中 LLM 辅助代码的比例，并给出与线下考试成绩的相关性，可供课程设计参考。

  2. arXiv · cs.CY（AI+教育/社会）39

    《信心博弈：人机委派中的策略性校准偏差》——LLM 智能体在高置信度下仍误报成功概率

    研究者提出"信心博弈"模型，将 LLM 置于智能体角色并告知其真实成功概率，结果模型在 56% 被明确告知可能失败的任务上仍声称高置信度。在真实任务中，模型需自行估计准确率，校准偏差进一步加剧，信号信息量下降。该策略性报告摧毁了 68% 的委派收益，其中 71% 是报告不再携带的信息，且用户再高的辨别力也无法恢复。

  3. arXiv · cs.CY（AI+教育/社会）62

    研究：LLM结构化评分与反馈的诊断质量存在三类系统性偏差

    一项基于JorGPT数据集的研究考察了LLM生成的结构化评分与反馈是否名副其实，该数据集包含50道计算机科学开放题的3041份学生作答，由人类教师和三个商业LLM分别评分。

    推荐理由：基于3041份学生作答的实证数据，揭示LLM评分与反馈在诊断质量上的三类系统性偏差，为教师判断哪些环节仍需人工把关提供依据。

10月7日周三
  1. arXiv · cs.CY（AI+教育/社会）42

    基于 AI 的数学学习中求助策略的变化可预测无 AI 辅助下的表现

    一项针对 112 名九年级学生的研究发现，学生使用通用 GenAI 进行数学建模练习时，其求助内容在会话内逐渐转向理解导向（概念与程序性帮助，而非寻求答案或验证）的轨迹，能预测后续无 AI 辅助下的表现；而 AI 使用行为的静态汇总在预测试成绩之外无法解释额外方差。研究共采集 880 条实质性学生发言，其中 95 人完成前后测，89 人可计算求助轨迹。

  2. arXiv · cs.CL（语言与教育交叉）22

    通过击键检测 LLM 辅助的越南语写作：行为操纵下的鲁棒性研究

    研究构建了越南语击键数据集，涵盖真实写作、转录和改写三种写作模式，并定义用户刻意改变打字模式的行为威胁模型。在用户无关和上下文无关设置下评测时序与节奏特征、1D-CNN 和 TypeNet 四类击键建模方法，结果显示序列模型多数情况下优于特征方法，转录可被可靠识别，但改写和对抗操纵样本常被误判为真实写作。引入行为操纵数据的对抗训练后，可分性与鲁棒性显著提升。

10月5日周一
  1. arXiv · cs.CY（AI+教育/社会）74

    StudentBench：AI 辅导与人类辅导在 GRE 学习增益上等效

    研究团队发布 StudentBench，一套 AI 教学评估工具与公开平台，已收集超过 175,000 条学生与 AI 的对话消息，用于检验大语言模型能否带来与人类辅导等效的学习增益。

    推荐理由：研究用 2383 名参与者的 GRE 学习增益数据，比较 AI 辅导与人类辅导的等效性及成本差异。

  2. arXiv · cs.CY（AI+教育/社会）40

    相同成绩，不同过程：AI 介入教育中的认知所有权

    一项针对 150 组学生与 AI 对话样本的分析发现，相似的作业成绩可能对应截然不同的认知参与模式。研究以“认知所有权”为框架，考察 Direction、Integration、Evaluation 三个维度，指出作业分数只能反映评估结果，无法还原学生与 AI 之间认知工作的分配方式。研究据此提出，测评应纳入认知过程的证据，而非仅依赖最终产出的质量。

  3. arXiv · cs.CY（AI+教育/社会）22

    ReLEAF：连接数据保管方与研究者的教育真实世界数据可信共享社会技术框架

    针对教育真实世界数据（ERWD）共享受伦理、监管与治理限制的问题，研究者提出社会技术框架 ReLEAF，通过两阶段数据共享连接数据保管方与研究者：先共享差分隐私合成数据用于探索性分析，再按需进行受控真实数据验证。该框架经三轮设计科学研究迭代打磨，参与者分别为 4 名研究生、6 名研究者和 90 名本科生，并提炼出三条设计原则，为可信 ERWD 共享提供具体框架。

  5. arXiv · cs.CL（语言与教育交叉）22

    超越分数对齐评估 LLM-as-a-Judge：评判残余难度的心理测量学分析

    研究从心理测量学视角分析 LLM-as-a-Judge，用多面Rasch模型将人类与 LLM 评分分解为摘要质量、评分者严厉度等成分，提出"残余难度"指标。在 SummEval 上测试 17 个开放权重 LLM 评判者发现，潜在摘要质量的中等对齐并不意味着残余难度对齐，且这种错配强烈依赖评分维度：一致性维度呈 LLM 更难趋势，连贯性维度则人类更难。

10月2日周五
  1. arXiv · cs.CY（AI+教育/社会）22

    TopoLA：面向解释不确定性的拓扑学习分析仪表盘架构与设计原则

    研究团队开发了 TopoLA 仪表盘系统，将 Zigzag Persistent Homology 应用于学习管理系统数据，并提出三条面向新兴分析方法的解释支持设计原则：客观测量与情境解释分离、从指标到模式再到反思提示的渐进式披露、明确标注方法论不确定性。系统采用特征提取、拓扑计算、解释支持三阶段模块化流水线，可扩展至其他分析方法。

  2. arXiv · cs.CY（AI+教育/社会）27

    22 门 OULAD 课程中的参与敏感收敛与“先碎片化、后收敛”模式：异步在线学习的拓扑分析

    研究基于 22 门 OULAD 课程（N > 22,000，857 个周对）发现，Zigzag 持续同调中的 β₀ 与活跃学习者人数强共变（合并 r = 0.387，20/22 门课程中位 r_delta = 0.459），是参与敏感的结构指标。截止日期在 82.6% 的测评中引发碎片化，60.2% 出现完整的“先碎片化、后收敛”周期，三阶段分析显示 90.9% 的课程长期以结构碎片化为主导。

  3. arXiv · cs.CY（AI+教育/社会）31

    DBWorkout：面向数据库课程形成性学习的游戏化 SQL 练习平台

    DBWorkout 是一个基于网页的 SQL 练习平台，通过沙箱执行、基于结果的自动反馈和会话式游戏化支持形成性学习，并用 LLM 辅助工具在人类参与流程中生成数据库模式与任务。在 170 名本科生两次课堂部署中，90% 学生认可学习价值、87% 感到有趣、仅 22% 报告压力低，但只有 42% 认为自动反馈足够可操作，40% 的开放式回答也提出反馈质量问题。

  4. arXiv · cs.CY（AI+教育/社会）33

    本科生如何在计算机科学各子领域使用大语言模型：一项跨子领域分析

    一项针对 211 名本科生的跨子领域分析发现，学生对大语言模型（LLM）的使用因作业而异：算法和 Web 开发中用量较高，软件工程中较低。学生主要将 LLM 视为辅助工具而非权威来源，各子领域普遍进行验证，且多数使用多种验证策略；结构化任务中更常用测试，开放式任务中更常用网络搜索。该研究基于七个教学模块的课后反思数据，表明作业特征在塑造学生使用与评估 LLM 输出方面起核心作用。

  5. arXiv · cs.CY（AI+教育/社会）22

    美国与巴基斯坦本科课程虚拟全球协作：数据分析和机器学习教育中的异步跨境团队合作混合方法研究

    美国与巴基斯坦本科计算课程通过六阶段异步跨境团队项目开展虚拟全球协作（VGC），内容涵盖文化导引、数据集选择、数据清洗、分析、入门机器学习与结构化报告。调查与质性反思数据显示，两校学生体验一致积极，协作过程与学习收获和感知价值强相关，跨文化沟通是全球胜任力的首要驱动因素。

10月1日周四
  4. arXiv · cs.CY（AI+教育/社会）42

    基于课堂实时互动语境分析的问题模式与学生参与度研究

    一项针对 47 场直播课、604 道投票题和 340,668 次作答（2,807 名学习者）的分析发现，89% 的投票题答案可在课堂转录文本中定位，且提问以低阶认知为主，可归为七种教学功能。班级多数在 88.5% 的情况下答对，但存在高共识却错误的作答，仅凭一致性无法识别。对 579 名学生的独立调查还显示，学生无法判断自己是否答对，认为最难的题并非实际答得最差的题。

  5. arXiv · cs.CY（AI+教育/社会）42

    《Fairness Theatre：在供应商控制的早期预警系统中评估事后公平性干预》

    研究用加拿大安大略省一所公立高校的学生记录，在模拟采购约束下评估研究型早期预警系统（EWS）上的六种事后公平性干预。干预只是重新分配了群体差异，并未持续缩小差异，其中两种实现因用群体规模定义弱势而偏向已占优势群体，小型边缘群体仍服务不足。作者将仪表盘指标趋同、但群体错误负担持续或恶化的状态称为"fairness theatre"。

  6. arXiv · cs.CY（AI+教育/社会）62

    研究：印度、尼日利亚、巴西、巴基斯坦用户如何使用 ChatGPT

    研究分析了印度、尼日利亚、巴西和巴基斯坦 1252 名用户的 202590 条完整 ChatGPT 对话，时间跨度为 2022 年 12 月至 2026 年 2 月，是首个基于对话层面、带人口统计信息的非西方国家 ChatGPT 使用比较。

    推荐理由：基于四国 20 万余条真实对话，呈现 ChatGPT 使用目的与话题的国别差异，为理解学生与教师实际用法提供一手数据。

9月30日周三
  1. arXiv · cs.CL（语言与教育交叉）42

    DraftTrace：面向 AI 融合写作的多视角分析环境

    DraftTrace 是一个同时捕捉写作成品、写作过程与 AI 助手交互三类视角的写作环境，可将文档随时间演变的过程重构为提交级、纵向和班级级分析供教师使用。研究在一门研究生 NLP 课程中部署该环境，覆盖 81 名学生，并将其会话与自动化工具输入的 LLM 生成回答及复制粘贴回答进行对比。

9月29日周二
  1. Khan Academy Blog38

    Khan Academy：真正提升早期小学阶段家庭参与度的六项策略

    Khan Academy Kids 营销负责人结合研究指出，家庭参与学业成绩的关联效应量约为 0.7 至 0.75 个标准差，但学校主动开展参与项目的增益仅约 0.3 个标准差，学前至小学阶段约为 0.29。覆盖 448 项研究、逾 48 万家庭的元分析显示，参与类型比参与数量更重要，辅导作业是最弱的方式，与孩子谈论学校、参加学校活动更有效。

9月25日周五
9月15日周二
  1. Google AI Blog28

    Google AI & Economy ATLAS 发布新数据可视化与科学家 AI 使用研究

    Google 为 AI & Economy ATLAS 上线新的交互式开放数据可视化，便于查看各职业与各国的 AI 使用率。基于 ATLAS 的新研究分析了 2600 个专用 AI 模型并调查 600 余名美英科学家，发现近半数科学家每天使用 AI，每周节省近 7 小时，但验证 AI 输出与假设积压形成新瓶颈。

8月4日周二