本研究探讨了在大规模本科STEM课程中结合AI反馈与教材引用的实践考试系统。研究发现，要求学生解释答案和自信度的元认知行为显著提升了学习成果和参与度，约40%的学生在反馈指导下参考教材，表明结构化反思要求更具影响力。

本研究探讨了人工智能驱动的视听个性化对学习者情感、注意力和学习成果的影响。研究提出了一种新方法，通过大型语言模型生成个性化的多感官学习环境，发现定制视听元素组合能有效提升学习者的认知负荷和参与感。

本研究提出了一种AI驱动的教育概念，旨在解决自我导向学习中个性化课程交付不足的问题。该系统通过自适应学习环境提高学习者的参与度和知识保留，适应不同的学习风格，促进自主学习和教育成果的改善。

FedWeIT是一种新的基于权重的联邦持续学习框架，旨在解决在每个客户端从私有本地数据流中学习一系列任务的情况下，如何使用其他客户端的知识并防止不相关的知识干扰的问题。该框架取得了优秀的学习成果和通信代价的显著降低。