.png){kind=icon}
返回
Adaptive Difficulty and Stealth Assessment in Collaborative Game-Based Learning
.png){kind=icon}
OA
AI
DOI：10.1002/cae.70102.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文探讨了基于强化学习的动态难度调整（DDA）算法在协作游戏化学习环境中的应用，重点关注智能评估。游戏环境中的适应性对于提供能够适应广泛学习者需求的个性化学习体验至关重要。尽管DDA算法常用于根据个人表现调整游戏难度，但关于其在协作环境中的有效性研究仍然有限。本研究通过提出一种新颖的基于强化学习的DDA算法来弥补这一空白，该算法整合了来自个人和群体互动的实时表现数据，能够实现动态调整，维持学习者挑战与技能之间的最佳平衡。此外，我们引入了GRADES框架，这是一种分层架构，结合了自适应决策、隐形评估和持续表现监控，以在个人和群体层面实现学习体验的个性化。现有DDA算法的全面模拟和比较分析表明，我们的方法在多种游戏难度水平上均能提升参与度和学习效果。这些发现突显了将强化学习与隐形评估相结合以开发可适应、响应迅速的教育环境的可能性，从而推动协作游戏化学习领域的发展。
Keyword:
artificial intelligence
collaborative learning
dynamic difficulty adjustment (DDA)
game-based learning
intelligent assessment
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
2.2
论文数:
131
被引数:
2.3K
机构
引用论文
.png){kind=icon}
分享收藏Application of Dynamic Difficulty Adjustment on Evidence-centered Design Framework for Game Based Learning基于证据为中心的设计框架的游戏化学习中的动态难度调整应用
PREAI
分享收藏
Evaluating the use of fuzzy logic in an educational game for offering adaptation评估模糊逻辑在教育游戏中的应用以实现适应性
PREAI
分享收藏分享收藏
查看更多内容