EDM-ARS：面向教育数据挖掘自动化研究的领域专用多智能体系统

在本技术报告中，我们提出教育数据挖掘自动化研究系统（EDM-ARS），一个领域专用的多智能体流水线，可自动化端到端的教育数据挖掘（EDM）研究。我们将EDM-ARS概念化为领域感知自动化研究流水线的通用框架，将教育领域专业知识嵌入研究生命周期的每个阶段。作为该框架的首次实例化，我们聚焦于预测建模任务。在此范围内，EDM-ARS通过一个支持修订循环、基于检查点的恢复和沙箱化代码执行的状态机协调器，编排五个专门的LLM智能体（ProblemFormulator、DataEngineer、Analyst、Critic和Writer）。给定研究提示与数据集，EDM-ARS生成一份完整的LaTeX论文稿件，包含真实的Semantic Scholar引文、经过验证的机器学习分析以及自动化的方法论同行评审。我们还详细描述了系统架构、编码教育领域专业知识的三层数据注册表设计、每个智能体的规格说明、智能体间通信协议以及错误处理与自我修正机制。最后，我们讨论当前的局限，包括单数据集范围与程式化的论文输出，并概述了迈向因果推断、迁移学习、心理测量与多数据集泛化的分阶段路线图。EDM-ARS已作为开源项目发布，以支持教育研究社区。