Can machine learning solve the challenge of adaptive learning and the individualization of learning paths? A field experiment in an online learning platform

使用数字技术个性化学习内容可以带来巨大的个人和社会效益，但如何实现这种个性化仍然是一个未解决的问题。为了解决这个问题，我们在一个大型数字自学平台上进行了一项随机对照试验。我们开发了一个基于两个卷积神经网络的算法，根据学习路径将任务分配给4365名学习者。学习者被随机分为三组：两个治疗组——基于小组的自适应治疗组和个体自适应治疗组——以及一个对照组。我们分析了三组在平台上提供的努力和表现之间的差异。我们的零结果揭示了与学习路径个性化相关的多个挑战。

本论文旨在解决数字技术下个性化学习内容的实现问题，通过对一大型数字自学平台进行随机对照试验，开发了基于两个卷积神经网络的算法，根据学习路径为4365名学习者分配任务，分为两个处理组和一个对照组，分析三组在平台上提供的努力和表现之间的差异。

论文的关键思路是基于卷积神经网络开发算法，根据学习路径为学习者分配任务，探讨数字技术下个性化学习内容的实现问题。

论文使用了随机对照试验，算法基于两个卷积神经网络，分析了三组在平台上提供的努力和表现之间的差异，结果表明个性化学习路径的实现存在多个挑战。

在该领域，最近的相关研究包括：Personalized Learning: A Meta-Analysis of Randomized Controlled Trials和The Effectiveness of Personalized Learning: A Systematic Review and Meta-Analysis。