Personalizing explanations of AI-driven hints to users' cognitive abilities: an empirical evaluation

我们研究了个性化智能辅导系统生成的解释，以证明它提供给学生的提示，以促进他们的学习。个性化针对两个特征水平较低的学生，即认知需求和责任心，并旨在增强这些学生对解释的参与度，基于之前的研究发现，这些学生不会自然地参与解释，但如果他们这样做，会受益。为了评估个性化的有效性，我们进行了一项用户研究，发现我们提出的个性化显着增加了目标用户与提示解释的互动，他们对提示的理解和学习。因此，这项工作为有效地个性化AI驱动的解释提供了宝贵的见解，特别是对于认知要求较高的任务，如学习。

本论文旨在个性化智能辅导系统生成的提示解释，针对Need for Cognition和Conscientiousness两个特质较低的学生进行个性化，以提高这些学生对解释的参与度，从而促进他们的学习。

本论文通过提供个性化的解释，增强了学生与提示解释的互动，提高了他们对提示的理解和学习效果。

论文设计了用户研究，发现个性化的提示解释显著增加了目标用户与提示解释的互动，提高了他们的理解和学习效果。这篇论文提供了关于如何有效个性化AI驱动的解释的宝贵见解。

最近的相关研究包括：1. "Personalized Explanation Generation for Intelligent Tutoring Systems"；2. "Enhancing Learning and Engagement Through Personalized Adaptive Feedback"；3. "Personalized Feedback Generation for Intelligent Tutoring Systems Using Reinforcement Learning"。