PersonaPath：迈向以知识为中心的个性化学习路径规划

自适应学习系统通常将学习路径规划制定为以练习为中心（EC）的推荐，其中下一步是从项目级交互日志中推断出来的。评估目标导向的指导还需要明确的学习者目标和课程规模先决条件：具有相似练习记录的学习者可能需要不同的路径来实现其目标。因此，我们研究以知识为中心（KC）的个性化学习路径规划，其中规划者必须根据学习者概况、掌握状态和先决知识结构进行推理，以决定下一步应该学习哪些教科书、单元和概念。为了支持这一设置，我们引入了 PersonaPath，这是一个基准，它将 2,000 个细粒度学习者角色与涵盖 77 个学科的 347 本教科书、1,751 个单元和 4,092 个概念的分层知识图配对。我们在 PersonaPath 上评估代表性的大语言模型。结果显示，即使是最强的大语言模型在基础教育方面的最终通过率也只有 29.5%，主要瓶颈在于适应性，没有模型能够为个体学习者定制路径超过 44.7%。