详细内容或原文请订阅后点击阅览
智能导师的数据有助于预测K-12的学术成果，研究发现
新的研究表明，短马数据可以帮助预测长期的学生绩效，并有可能协助Edtech个性化和教师决策。
来源:斯坦福新闻数字学习已成为教育的规范，但是评估其有效性仍然是一个挑战。在K-12设置中，辅导系统或教育游戏的结果通常是在学生参与该工具后很长时间才会出现的。不经常的评估，例如在学年结束时在全州考试中进行的评估，因此很难识别出可能出色或失败的学生，并且研究人员无法衡量教育软件的影响。
来自斯坦福大学，战争儿童联盟和卡内基学习的研究人员研究了机器学习模型是否可以使用学生日志从使用教育软件工具的头几个小时来预测这些学生几个月后的最终外部测试结果。这项研究“预测了Lak '25：2025年第15届国际学习分析和知识会议的论文集，“从短期Edtech日志数据中预测长期学生的成绩”，发现，仅有在智能导师或学习游戏中，只有2到五个小时的活动就可以在几个月后在标准的外部评估中表现出宝贵的洞察力。
从短期edtech Log Data“在教育中，我们经常对诸如年终评估等延迟成果感兴趣，但是如果我们可以使用教育软件平台中的数据较短的数据来预测这些结果，”计算机科学副教授艾玛·布鲁恩斯基尔（Emma Brunskill）说，这将是有用的。 “在这些预测的情况下，教师或软件本身可以为那些苦苦挣扎的学生提供更多个性化的支持，并为那些蓬勃发展的人带来新的挑战。”
Emma Brunskill