CogEvolution：模拟学生认知演化的类人生成式教育智能体

生成式智能体（Generative Agents）凭借对人类行为的精确建模与模拟能力，已成为教育人工智能（AIEd）领域中揭示学习者复杂认知过程的关键工具。然而，现有教育智能体主要依赖静态人设来模拟学生学习行为，忽视了深层认知能力在练习交互中对学习结果的决定性作用。此外，它们难以刻画知识内化、迁移与认知状态转换的动态流动性。为突破这一瓶颈，本文提出一个能够模拟学生认知演化的类人教育智能体：CogEvolution。具体而言，我们首先基于认知心理学中的交互、建构、主动、被动（Interactive, Constructive, Active, Passive, ICAP）分类法构建认知深度感知器，实现对学习者认知投入的精确量化。随后，我们提出一种基于项目反应理论（Item Response Theory, IRT）的记忆检索方法，模拟新旧知识的连接与同化。最后，我们设计基于演化算法的动态认知更新机制，模拟学生学习行为与认知演化过程的实时整合。全面评估表明，CogEvolution不仅在行为保真度和学习曲线拟合上显著优于基线模型，还独有地复现出符合教育心理学预期的合理且稳健的认知演化路径，为构建高可解释性教育智能体提供了新范式。