基于大型语言模型的学生认知模型研究：误解学生的分析

本研究探讨如何准确建模学生的认知，特别是误解与正确知识。通过新Python库MalAlgoPy，调整大型语言模型（LLMs）以模拟学生在代数问题上的思维过程。研究表明，合理调整训练数据中正确与误解实例的比例，可以开发出符合认知学生模型（CSMs）要求的模型，为自适应学习系统提供新视角。