LectūraAgents：用于自适应个性化人工智能辅助学习和实体教学的多智能体框架

有效的个性化人工智能辅助学习要求系统不仅能够生成准确的针对学习者的教育材料，而且能够动态地调整其教学以适应不同的学习者。然而，现有的教育代理主要关注讲座内容自动化和模拟，这往往无法对多模式建模和为个体学习者量身定制的具体教学方法进行建模。为此，我们提出了 LectūraAgents - 一种多智能体框架，可通过端到端自适应具体教学实现个性化学习。 LectūraAgents 的核心反映了教授与学生的关系，其中 ProfessorAgent 领导一个由专业下属代理组成的协作团队，通过研究、规划、审查和具体交付适应学习者需求的讲座内容。该框架提供了三个主要贡献：（1）用于端到端个性化学习的分层多代理架构； (2)自适应的具体化教学机制，其中ProfessorAgent对教学环境中的内容执行可见的、具有教学动机的教学动作（例如手写、突出显示、下划线等）； (3) 教学动作-语音对齐 (TASA) 算法，该算法采用基于显着性的启发式方法和时间语义分割来生成与学习者概况一致的连贯教学动作序列。我们使用基于特定样本的评估标准分析来评估 LectūraAgents 在高中、本科和研究生级别的不同课程中的表现；生成的讲座材料和教学行动由教育专家评估和验证。实验结果表明，与现有方法相比，讲座内容质量、具体教学质量、评估和个性化方面取得了持续的进步，将 LectūraAgents 定位为一个在教学上基础良好的大规模个性化学习框架。