Files

T

hehaiguang1123 a6f05ab2d5 Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources

2026-07-01 08:05:43 +08:00

3.0 KiB

Raw Blame History

categories, tags, created, source, type, aliases

ALEKS

自适应学习系统，基于知识空间理论提供数学、科学等学科的个性化学习体验。ALEKS = Assessment and Learning in Knowledge Spaces（知识空间中的评估与学习）。

身份

属性	值
类型	教育技术公司（产品）
开发商	McGraw Hill Education
成立时间	1999年
学术起源	知识空间理论（Doignon & Falmagne, 1999）
覆盖学科	数学、科学、商业、统计
适用学段	K-12 + 高等教育

核心理念

ALEKS = Assessment and Learning in Knowledge Spaces
       （知识空间中的评估与学习）

核心承诺：
"一次评估，知道你知道什么，
知道你不知道什么，
然后精确地填补那个空白。"

AI-powered 功能演进

阶段	功能	说明
1.0	精准评估	确定学生知识状态
2.0	自适应路径	动态规划学习路径
3.0	AI辅助	生成式AI增强交互
4.0	智能加速	缩短评估时间

知识追踪技术

ALEKS 使用 知识追踪（Knowledge Tracing） 算法：

# 简化的知识状态更新逻辑
P(knowing_k | response) = f(
    prior_knowledge,      # 先验知识概率
    response_correct,     # 回答正确/错误
    difficulty_k,         # 问题难度
    time_taken            # 回答时间
)

知识追踪核心概念

知识状态（Knowledge State）：学生已掌握的知识点集合
知识结构（Knowledge Structure）：知识点之间的先决关系网络
学习路径（Learning Path）：从当前状态到目标状态的最优序列
状态更新（State Update）：基于学生回答动态更新知识状态

产品特色

特色	说明
初始诊断	快速评估学生知识空白，无需重复学习已掌握内容
自适应学习	根据学生表现动态调整学习路径和难度
实时反馈	即时纠正错误，提供解释和练习
进度可视化	清晰展示学习进度和掌握情况
智能复习	基于遗忘曲线推荐复习内容

核心技术优势

理论基础扎实：基于知识空间理论，数学上严谨
精准诊断：一次评估即可确定知识状态，避免无效重复
完全个性化：每个学生的学习路径都是独特的
效率优化：AI加速功能减少评估时间，提高学习效率

在本 Wiki 中的角色

ALEKS 代表了自适应学习系统的理论驱动路线，是知识追踪、自适应学习、知识空间理论的代表性技术实现。

来源

教学大模型发展状况深度研究报告-20260415 — ALEKS核心理念、功能演进、知识追踪技术

3.0 KiB Raw Blame History Unescape Escape