EduQate: Generating Adaptive Curricula through RMABs in Education Settings

近年来，个性化和自适应教育工具的开发备受关注，旨在满足学生个体化的学习进度。开发此类工具的关键在于探索如何以高效的方式跨越多样但相关的内容实现掌握。虽然强化学习和多臂赌博机在教育环境中表现出了很大的潜力，但现有研究往往假设学习内容是独立的，忽略了这些内容之间的普遍相互依赖关系。为此，我们引入了“教育网络不安定多臂赌博机”（EdNetRMABs），利用网络来表示相互依赖的“臂”之间的关系。随后，我们提出了EduQate，一种使用相互依赖感知的Q-learning方法，在每个时间步上做出明智的“臂”选择决策。我们证明了EduQate的最优性保证，并使用合成和真实世界数据建模的学生，证明了它相对于基准策略的有效性。

如何在个性化教育中解决学习内容之间的相互依赖关系？

使用Education Network Restless Multi-armed Bandits (EdNetRMABs)和EduQate方法来考虑学习内容之间的相互依赖关系，提高个性化教育工具的效率。

论文提出了EdNetRMABs和EduQate方法，能够更好地考虑学习内容之间的相互依赖关系，提高个性化教育工具的效率。实验使用了合成和真实数据集，证明了EduQate方法的有效性。

近期相关研究包括使用强化学习和多臂老虎机来个性化教育的研究，但这些研究忽略了学习内容之间的相互依赖关系。