本文探讨了开放式学习者建模在智能教学系统中的重要性，强调AI模型的可解释性。研究分析了教育数据挖掘的挑战、智能系统评估及人工智能在教育中的应用与限制，提出了基于第一原则的智能理论框架，并讨论了AI对人类学习的影响，呼吁创新教育体系以适应AI时代。

本研究探讨了知识追踪领域的进展，介绍了多种模型和方法，包括基于分解机的学生知识估计、深度学习应用及多任务学习的AT-DKT模型。此外，研究提出了新型混合嵌入方法和基于大型语言模型的知识追踪模型，强调了在教育数据挖掘中的应用与挑战。

本文评估了时间序列分类中的相似度测量方法，并提出了一致的评估标准。研究利用图神经网络建模不规则多元时间序列，以分析学生表现预测的准确性。同时，探讨了大型语言模型在时间序列分析中的应用及未来研究机会，强调了教育数据挖掘的重要性。