用于教育活动自适应调度的强化学习

DOI

在线教育中的自适应教学可以增加学习收益并减少学习者、教师和课程设计者的工作量。强化学习（RL）是开发教学策略的有前途的工具，因为RL模型可以学习课程活动、学习者行为和教育成果之间的复杂关系。本文展示了第一个通过主动学习为大型在线课程实时安排教育活动的RL模型。我们的模型学习分配一系列课程活动，同时最大化学习收益并最小化分配的项目数量。通过一项涉及超过1,000名学习者的控制实验，我们研究了这种调度策略如何影响学习收益、辍学率和定性学习者反馈。我们表明，我们的模型使用较少的教育活动比线性分配条件产生更好的学习收益，并且使用较少的教育活动并具有较低的辍学率，产生与自我指导条件相似的学习收益。