DeepTutor：自主化個性化教學系統
arXiv - Computers and SocietyBingxi Zhao, Jiahao Zhang, Xubin Ren, Zirui Guo, Tianzhe Chu, Yi Ma, Chao Huang
提出 DeepTutor 框架，結合靜態知識與動態記憶，實現個性化教學與代理互動，並以 TutorBench 進行評估。
AI 幫你先抓重點
AI 重點 1
共享個性化基底使跨模態教學保持一致性，突破單一模態限制。
滑鼠懸停看 AI 判斷理由
此洞察顯示在多媒體學習環境中，統一的個性化基底可同步文字、圖像、互動等不同模態的教學內容，提升學習者的整體理解與記憶，對設計多模態課程具有重要參考價值。
AI 重點 2
TutorBot 的主動多代理設計為平台間一致體驗提供可擴充框架。
滑鼠懸停看 AI 判斷理由
透過可擴充技能與統一多頻道介面，TutorBot 能在不同設備與介面上提供相同的教學邏輯，降低開發成本並提升學習者的連續性，對教育科技產品開發者尤為關鍵。
核心研究發現
- 1
Hybrid personalization engine 透過靜態知識基礎與多解析度動態記憶，將互動歷史萃取為不斷演化的學習者檔案。
- 2
閉環教學迴路將引用導向問題解決與難度校準問題生成雙向耦合，提升個別化回饋品質。
- 3
TutorBot 主動多代理層以可擴充技能與統一多頻道存取，實現跨平台一致的教學體驗。
- 4
TutorBench 以學生中心的基準，結合來源導向學習者檔案與第一人稱互動協議，從學習者角度量化適應性教學。
- 5
實驗結果顯示 DeepTutor 在個性化教學質量上有顯著提升，同時保持基礎代理推理能力。
對教育工作者的啟發
DeepTutor 的 hybrid personalization engine 可作為開源模組，教育工作者可直接將靜態知識庫與動態記憶結合，快速建立個性化學習檔案。閉環教學迴路的引用導向問題解決與難度調整機制，能在課堂上即時生成符合學生水平的練習題，提升互動性。TutorBot 的多代理層提供可擴充技能，允許開發者在不同平台（手機、桌面、VR）部署一致的教學體驗，減少重複開發。最後，使用 TutorBench 進行評估，可從學生第一人稱視角量化適應性教學成效，為課程迭代提供客觀數據。
原始文獻資訊
- 英文標題：
- DeepTutor: Towards Agentic Personalized Tutoring
- 作者：
- Bingxi Zhao, Jiahao Zhang, Xubin Ren, Zirui Guo, Tianzhe Chu, Yi Ma, Chao Huang
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。