RegulaTutor：一个以理论为指导的长期个性化学习框架

长期个性化辅导要求语言模型将学习者不断积累的历史记录转化为适当的教学支持。现有基于大语言模型的辅导系统利用记忆和检索来实现个性化响应，但将历史证据与教学策略联系起来的教学依据并不总是明确的。我们提出 RegulaTutor，这是一个以理论为指导的长期个性化辅导框架，将历史证据、对学习者的解读以及面向学习者的教学联系起来。在自我调节学习（SRL）研究的指导下，其辅导编排框架将认知、情感、元认知和动机（CAMM）框架转化为可执行流程，用于形成有证据支持的学习者解读和教学策略。由此生成的策略保留了与其支持证据的关联，并随着新观察结果的到来而更新。这种分阶段工作流程还支持通过 PairRoute 进行系统性改进。PairRoute 是一种离线流程，利用中间执行记录区分编排框架失效、模型失效以及混合失效。PairRoute 提出并评估有针对性的编排框架修订方案，然后针对在选定编排框架下仍然存在且已确认的模型失效，构建经过审核的阶段级监督数据。我们将这一改进过程聚焦于历史证据获取，因为它是个性化教学的基础，并且允许依据学习记录和参考答案核验输出。在所评估的各类模型配置中，RegulaTutor 平均提升了历史证据准确性、学习者诊断水平和经评定的教学质量。PairRoute 的结果表明，经过这一改进过程，独立模型的历史证据准确性在最终评估时有所提升。这些结果共同凸显了 RegulaTutor 支持终身个性化教育的潜力：其教学策略能够随学习者历史记录的积累而演进，同时可对辅导系统进行有针对性的改进。