.png){kind=icon}
返回
MAS-KCL: knowledge component graph structure learning with large language model-based agentic workflow
.png){kind=icon}
PRE
AI
DOI：10.1007/s00371-025-03946-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识组件（KCs）是教育领域中的知识基本单元。Kc图展示了KCs之间的关系和依赖性。一个准确的Kc图可以帮助教育者识别学习者特定KCs表现不佳的根本原因，从而实现有针对性的教学干预。为此，我们开发了一种Kc图结构学习算法，命名为MAS-KCL，该算法采用由大型语言模型驱动多智能体系统，用于对Kc图进行自适应修改和优化。此外，算法中集成了双向反馈机制，其中AI智能体利用该机制评估Kc图中边的价值，并调整不同边的生成概率分布，从而加速结构学习效率。我们将所提出的算法应用于5个合成数据集和4个真实教育数据集，实验结果验证了其在学习路径识别方面的有效性。通过准确识别学习者的学习路径，教师能够设计更全面的学习计划，使学习者更有效地实现教育目标，从而促进教育的可持续发展。
Keyword:
Graph structure learning
Knowledge component
Large language model
Multi-agent system
AI agent
期刊
IF:
2.9
论文数:
4.6K
被引数:
6.5K
机构
引用论文
PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏
AI for Education (AI4EDU): Advancing Personalized Education with LLM and Adaptive LearningAI for Education (AI4EDU)：利用大型语言模型（LLM）和自适应学习推进个性化教育
PREAI
分享收藏分享收藏分享收藏GAMNet: a gated attention mechanism network for grading myopic traction maculopathy in OCT imagesGAMNet: 用于在OCT图像中对近视牵引性黄斑病变进行分级的门控注意机制网络.png)
VISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏
查看更多内容