運用知識圖譜與大型語言模型追蹤分析學習軌跡

教學問題

學習是一個動態的過程，學生在不同時間點對概念的理解會不斷演進。 然而，傳統的學習評量只能捕捉到單一時間點的快照，無法呈現學生的學習軌跡全貌。 教師缺乏工具來追蹤學生在整個學期中的知識建構過程。

研究方法

本研究提出結合知識圖譜（Knowledge Graphs）與大型語言模型的方法， 從學生與 AI 助教的對話紀錄中自動建構學習軌跡。 知識圖譜用於表示概念間的關聯，LLM 則負責從自然語言中萃取知識結構。

主要發現

• 知識圖譜能有效視覺化學生的學習軌跡與概念掌握進度
• LLM 可以從對話紀錄中準確萃取學生的知識結構
• 學習軌跡分析有助於及早發現學習困難的學生
• 研究成果發表於 Learning Analytics & Knowledge (LAK25) 頂級會議

對教學的啟示

透過學習軌跡的視覺化，教師可以看見每位學生的知識建構過程， 了解他們在哪些概念上卡關、哪些連結尚未建立。 這使得個人化的學習輔導成為可能。