第二语言学习中的公平知识追踪

本文研究了第二语言学习中预测模型的公平性问题，填补了模型准确性和公平性之间的研究空白。通过分析针对不同用户群体的两种预测模型，发现深度学习在知识追踪中较机器学习表现出更好的公平性和准确性平衡，特别是在不同国家和平台间的应用。这项研究强调了在教育预测模型中重视公平性的重要性，以确保各群体接受平等的教育策略。