可解释学习者模型:可信个性化学习的技术关键

基于人工智能的个性化学习技术一直是智能教育领域的研究热点，其技术挑战在于如何构建全面精准的学习者模型。在非常注重公平、伦理和责任的教育领域，人工智能的“黑箱”本质可能会阻碍人对机器决策的信任，因此构建透明和可解释的学习者模型尤为重要。通过对学习者模型特征、结构和决策结果的解释，可以让教育关益者理解其动机，接纳其决策，实现更好地人机协作。该研究将可解释人工智能的技术理念延伸至个性化学习中，通过分析其研究现状，阐明实现可解释学习者模型的必要性，并剖析现有的可解释学习者模型实例的技术原理，最后提出可解释学习者模型的基本框架，旨在将可解释性作为学习者建模的关键原则。对可解释学习者模型的研究可为个性化学习系统的设计、开发、应用到评估的整个周期实现可解释性提供借鉴及参考，驱动可信个性化学习成为可能。