研究问题

在线 tutoring 系统中，教师或系统采取的互动策略可能影响学生是否学会、是否坚持、是否形成更好的解释。但对话数据本身高度复杂：策略选择并不是随机的，学生状态也会影响策略发生。因此需要更谨慎地估计策略效果。

方法路径

项目比较了 ATT 与 ATE，并使用 matching 与 inverse probability of treatment weighting 估计不同策略的影响。诊断环节包括 propensity score distributions、Love plots 和 balance tests。

主要洞察

  • 学习互动数据可以被视为行为轨迹，而不只是文本记录。
  • 教学策略的效果需要放在学生初始状态和上下文中理解。
  • 诊断图和 balance tests 对解释结果可信度很重要。
这项练习把“学习过程数据”推向了 InGenius 未来需要的方向：不仅看结果，也看学生与系统、导师、文本之间的互动过程。

与 InGenius 的连接

如果未来 InGenius 使用 AI 辅助导师反馈，学习对话本身就会成为关键数据。这个项目提示我们：对话系统不应只追求流畅回答，而应能支持可分析、可改进的学习互动。