基于机器学习的教学系统：概念框架

随着技术工人短缺问题持续加剧，加之人口结构变化的影响，对于组织来说，保留退休专家的知识并将其传递给新手已成为一项关键挑战。虽然这种知识传统上通过个人互动进行，但缺乏可扩展性，需要大量资源和时间。基于 IT 的教学系统解决了可扩展性问题，但其开发仍然繁琐且耗时。在这项工作中，我们研究了机器学习（ML）模型在组织环境中促进知识转移的潜力，从而实现更具成本效益的基于 IT 的教学系统。通过系统文献综述，我们检查了关键概念、主题和维度，以更好地理解和设计基于 ML 的教学系统。为此，我们捕获并整合了基于 IT 的教学系统中 ML 模型的能力，对该背景下相关概念进行归纳分析，并确定其相互关系。我们以关键概念、主题和维度的综述形式呈现研究结果，为理解和告知基于 ML 的教学系统提供信息。基于这些结果，我们的研究通过概念化基于 ML 的教学系统如何保留专家知识并促进其从中小企业向人类新手转移，为计算机支持的协同工作研究做出了贡献。