SortingHat：利用客製化數位助教重新定義作業系統教學
arXiv - Computers and SocietyYifan Zhang, Xinkui Zhao, Zuxin Wang, Zhengyi Zhou, Guanjie Chen, Shuiguang Deng, Jianwei Yin
開發 SortingHat 數位助教，結合 RAG 與多代理強化學習技術，為作業系統課程提供個人化且具同理心的學習支援。
AI 幫你先抓重點
AI 重點 1
從單向教學轉向「情境感知」的互動式引導
滑鼠懸停看 AI 判斷理由
傳統 OS 教學難在環境複雜度高，透過 3D 數位人與 LLM 結合，能模擬真實教學情境中的情感支持，這改變了 AI 僅作為工具的定位，使其成為具備社交存在感的學習夥伴。
AI 重點 2
自動化評估與個人化回饋的閉環設計
滑鼠懸停看 AI 判斷理由
這不僅僅是自動改卷，更重要的是將評估結果即時轉化為「可執行的建議」，實現了從評量到教學調整的動態循環，這對大規模課程的品質控管至關重要。
核心研究發現
- 1
SortingHat 整合了檢索增強生成（RAG）與多代理強化學習（MARL）框架，以實現具備適應性與可擴展性的教學支援。
- 2
系統利用大型語言模型（LLM）驅動 3D 數位人介面，能提供具備同理心且具備情境感知能力的個人化引導。
- 3
系統能根據學生的學習歷史與學術表現，自動生成量身定制的練習題，以強化弱點並挑戰進階概念。
- 4
建立了一套穩健的評估流程，能在確保公平、一致且無偏見評分的同時，提供具備行動力的個人化回饋。
對教育工作者的啟發
教育工作者可參考其「適應性學習路徑」的設計邏輯：不應只提供標準教材，而應利用 AI 根據學生的歷史數據動態調整難度。此外，將評估（Assessment）與回饋（Feedback）整合，利用 AI 進行即時、無偏見的作業評分，能有效減輕教師負擔，並讓學生在錯誤中獲得即時的學習動能，這對於處理高複雜度的技術課程（如作業系統）尤為有效。
原始文獻資訊
- 英文標題：
- SortingHat: Redefining Operating Systems Education with a Tailored Digital Teaching Assistant
- 作者：
- Yifan Zhang, Xinkui Zhao, Zuxin Wang, Zhengyi Zhou, Guanjie Chen, Shuiguang Deng, Jianwei Yin
- 來源：
- arXiv - Computers and Society
- 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。