视觉语言模型可以适应数学教育吗？基于学习者模型的评分标准研究

适应性学习是指跟踪学习者的学习进度并根据个体学习者的学习表现调整教学过程的教育技术。人们越来越认识到它对于开发有效的学习支持工具至关重要。视觉语言模型 (VLM) 已在数学教育中得到采用，学生们一直将其用作个性化教学的学习辅助工具。然而，VLM 在提供数学指令时是否有能力适应不同的学习者情况尚不清楚。目前的 VLM 缺乏系统的评估框架来适应数学辅导任务中不同学习者的情况。为了解决这一差距，我们利用自适应学习框架（Shute 和 Towle，2018）中的学习者模型，并提出了一个基于学习者模型的评分标准。我们的标题将适应性评估形式化为三个方面：认知方面、动机方面和复杂性。我们还评估 VLM 响应的两个附加维度：正确性（答案和解决方案）和质量（响应本身）。我们的实验结果表明，不同模型的适应性存在可测量的差异，并且还表明当前的 VLM 很难持续产生基于学习者模型的教学响应，尤其是在接收有限的学习者信息时。