DySRec：透過多代理協作實現動態情境感知之心理測量量表推薦系統
arXiv - Human-Computer InteractionYanzeng Li, Xiaoning Cao, Jialun Zhong, Jianpeng Hu, Jiangshan Tan, Ningning Liu, Feng Xiang, Shasha Han
提出一個基於多代理協作的對話式系統，透過動態對話與情境感知來精準推薦心理評估量表。
AI 幫你先抓重點
AI 重點 1
從「靜態預測」轉向「動態對話式決策」的範式轉移
滑鼠懸停看 AI 判斷理由
傳統系統多依賴單次輸入預測症狀，而此研究強調透過多輪對話捕捉動態情境，這對於需要高度精準度與風險管理的心理評估領域具有重大意義。
AI 重點 2
多代理協作（Multi-Agent Collaboration）在複雜決策中的應用
滑鼠懸停看 AI 判斷理由
透過分工明確的代理（如維護情境、推薦量表、監控風險、記錄軌跡），系統能同時處理多維度的資訊，這為建構複雜的教育或心理輔導 AI 提供了架構參考。
核心研究發現
- 1
開發出 DySRec 系統，將量表選擇建模為連續的對話決策過程，而非傳統的靜態流程。
- 2
系統整合了語義、互動行為、評估歷史及內容狀態等多種異質訊號，以動態更新使用者表徵。
- 3
引入閉環優化機制，由推薦代理回饋缺失資訊，引導對話以獲取不確定或缺失的屬性。
- 4
該系統已透過原型設計與架構展示，並在真實世界的應用場景中獲得驗證。
對教育工作者的啟發
對於教育科技開發者而言，此研究展示了如何利用 AI 代理（Agents）來處理複雜的評估任務。在設計學習評估工具時，不應僅依賴單次的測驗結果，而應模仿 DySRec 的機制，設計具備「情境感知」與「追問能力」的對話系統。這能幫助教育者在學生表現異常時，透過互動式對話自動收集更多背景資訊（如學習動機、情緒狀態），進而精準判斷學生需要哪種特定的支持或介入工具，實現更具動態性的學習支持。
原始文獻資訊
- 英文標題：
- DySRec: Dynamic Context-Aware Psychometric Scale Recommendation via Multi-Agent Collaboration
- 作者：
- Yanzeng Li, Xiaoning Cao, Jialun Zhong, Jianpeng Hu, Jiangshan Tan, Ningning Liu, Feng Xiang, Shasha Han
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。