项目反应理论的分摊设计优化
摘要：以深度强化学习为基础的自适应实验设计方法在评估教育和心理学领域中的人类反应方面具有广泛的应用。在教育领域，自适应实验设计被用于从学生的反应中推断出学生的能力和考试题目的特征。与学生进行互动是一项昂贵的任务，因此需要高效收集信息来推断学生的能力。基于最优实验设计的方法在计算上代价高昂，使得它们无法应用于交互式应用程序中。针对这一问题，我们提出将深度强化学习引入到IRT中，并将计算代价转移到预计算阶段，通过使用合成数据训练一个深度强化学习代理。该代理被训练成能够为学生分布选择最具信息量的考试题目，并根据实验结果进行预计算的推断。在部署过程中，代理根据数据估计参数，并根据实验历史和结果为学生建议下一个考试题目，几乎实时地完成。
作者：Antti Keurulainen, Isak Westerlund, Oskar Keurulainen, Andrew Howes
论文ID：2307.09891
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-07-20