چیت‌شیت
مربی‌های هوش مصنوعی و ابزارهای یادگیری
AI Tutors and Learning Tools
ردگیری تسلط، مستندسازی هر کارت در منبع، برنامه‌ریزی مسیرها و مواد مصرفی، و پیشنهاد واژه‌ها از پیکره متنی خودتان.
فهرست مطالب
آنچه هر پروژه می‌سازد
مقایسه| فاکتور | مربی مطالعه | مسیریاب | دفترچه تکمیل خودکار | برنامه‌ریز مواد مصرفی |
|---|---|---|---|---|
| خروجی ساخت | صفحه تمرین با تاریخ‌های مرور | مسیر یادگیری امکان‌پذیر | دفترچه یادداشت محلی | لیست وسایل و کمبودها |
| محیط اجرا | Node.js 22.18 | Python 3.10+ | Node 22.18 | Python 3.10+ |
| ورودی | فایل JSON دسته کارت و رویدادهای تلاش | منابع، اهداف، بودجه | پیکره متنی شامل id و متن | شرکت‌کنندگان، مواد، موجودی |
| خروجی | index.html, progress.json | learning-map.html, path.json | report.html, vocabulary-model.json | packing-list.csv, shortages.json |
| حلقه مرور | دانلود JSON تلاش‌ها | --decisions decisions.json | دانلود vocabulary-model.json | --decisions decisions.json |
| محدودیت | فقط تطابق دقیق پاسخ | پیشرفت خوداظهاری‌شده | یک توکن بعدی، دو تا کانتکست | یک نشست هم‌زمان |
اجرا و نمره‌دهی
دستورها| دستور | عملکرد |
|---|---|
python3 scripts/project_test.py <project> --init <workspace> | فضای کاری می‌سازد. مرحله اول ناموفق است |
python3 scripts/project_test.py <project> --stage 1 --path <workspace> --strict | یک مرحله را نمره‌دهی می‌کند |
python3 scripts/project_test.py <project> --all --solution --strict | راه‌حل مرجع را بررسی می‌کند |
node --experimental-strip-types main.ts --deck ./fixtures/deck.json --attempts ./fixtures/attempts.json --initial-date 2026-09-01 --date 2026-09-03 --out ./study-output | صفحه تمرین و اسکژول را می‌سازد |
python3 cli.py samples/input.json --output demo-output | مسیریاب یا برنامه‌ریز مواد را اجرا می‌کند |
node cli.ts sample.json output | دفترچه را آموزش داده و output/report.html را می‌نویسد |
python main.py | مطالعه شبیه‌سازی‌شده کارایی مربی را اجرا می‌کند |
npm run serve | وب‌اپلیکیشن مربی روی پورت 8090: |
یک نوبت گفت‌وگو مربی
گام‌به‌گام- next_conceptپیمایش DAG. انتخاب اولین مفهوم زیر 0.85 که همه پیش‌نیازهایش یاد گرفته شده‌اند.
- دشواری0.3 به‌علاوه 0.1 به ازای هر پیش‌نیاز.
- کنش قبلیداربست پیش‌نیاز 0.15 کم می‌کند. راهنمایی 0.08 کم می‌کند.
- پاسخ‌های یادگیرندهدرست بر اساس سیگموئید دانش منهای دشواری.
- socratic_policyدرست و بالای 0.8 منجر به
celebrate_and_advanceمی‌شود. - socratic_policyدرست منجر به
reinforce_and_next_question. غلط بالای 0.5 منجر بهhintمی‌شود. - socratic_policyغلط در 0.5 یا کمتر منجر به
scaffold_from_prereqمی‌شود. - bkt_updateبه‌روزرسانی تسلط، سپس افزودن گام یادگیری.
به‌روزرسانی BKT
کدpython
p = BKTParams() # p_init، p_learn، p_slip، p_guess
if correct:
num = mastery * (1 - p.p_slip)
denom = num + (1 - mastery) * p.p_guess
else:
num = mastery * p.p_slip
denom = num + (1 - mastery) * (1 - p.p_guess)
posterior = num / max(denom, 1e-6)
return posterior + (1 - posterior) * p.p_learn # انتقال یادگیری
حلقه مربی مطالعه
معماریتوابع پروژه
کار و کد| وظیفه | کد |
|---|---|
| نمره‌دهی یک پاسخ تایپ‌شده | gradeAnswer(deck, cardId, response) |
| فهرست کارت‌های موعدرسیده | dueCards(progress, date) |
| ترتیب پیش‌نیازها | path_for(index, target, completed=None) |
| رتبه‌بندی مسیرها در یک بودجه | rank_paths(index, goals, budget, completed=None) |
| پیشنهاد کلمه بعدی | suggest(model: Model, prefix: string, history?: string[], limit?: number) |
| بارگذاری یک مدل ذخیره‌شده | importModel(value: unknown) |
| مقیاس‌بندی مواد | scale(model, participants=None) |
| یافتن کمبودها | shortages(model, participants=None) |
قوانین در کد
مفهوم‌ها- تطابق پاسخ
- تبدیل NFKC، حروف کوچک، حذف فاصله‌های اضافی و علائم نگارشی انتها. سپس تطابق دقیق.
- جعبه
- درست 1 واحد می‌افزاید تا سقف 5. غلط به 0 ریست می‌کند.
- بازه زمانی
- در صورت درستی
2 ** (state.box - 1)روز. در صورت نادرستی 1 روز. - رتبه مسیر
- بیشترین اهداف پوشش‌داده‌شده، سپس کمترین زمان، سپس شناسه‌ها.
- امتیاز پیشنهاد
- فرمول
order * 1000000 + count. تاریخچه طولانی‌تر اولویت دارد. - اقلام مصرفی
quantity*participants.- تجهیزات اشتراکی
quantity*ceil(participants/share).- موجودی نامشخص
- موجودی غیرقابل‌تبدیل وضعیت کمبود را نامشخص می‌گذارد.
پیش‌فرض‌ها و اعداد
پیش‌فرض‌ها| تنظیم | پیش‌فرض | نکته |
|---|---|---|
p_init | 0.2 | دانش پیشین |
p_learn | 0.12 | نرخ یادگیری در هر تمرین |
`p_slip`, `p_guess` | 0.10 | حدس برابر 0.15 است |
master_threshold | 0.85 | مفاهیم فراگرفته‌شده نادیده گرفته می‌شوند |
Catalog size | 18 | حداکثر برنامه‌ریز دقیق |
`suggest` limit | 5 | بازه مجاز 0..50 |
Planner `compare` | [8, 12] | تعداد شرکت‌کنندگان برای مقایسه |
Study `n_turns` | 60 | 10 یادگیرنده در هر شاخه |
خطاها و راه‌حل‌ها
عیب‌یابی«Canonical answer must occur in the evidence quote»
- علت
- آفست‌ها پاسخ را شامل نمی‌شوند
- راه‌حل
- اصلاح
startوendدر واحدهای UTF-16
«Conflicting duplicate attempt ID»
- علت
- شناسه یکسان، محتوای دیگر
- راه‌حل
- یک شناسه جدید به هر تلاش اختصاص دهید
«Proposal lacks verbatim answer evidence»
- علت
- نقل‌قول مدل در منبع وجود ندارد
- راه‌حل
- آن را رد کنید. دسته کارت را دست‌نخورده نگه دارید
«prerequisite cycle»
- علت
- منابع به یکدیگر وابسته هستند
- راه‌حل
- یک یال پیش‌نیاز را حذف کنید
«stale progress»
- علت
- ورودی پس از خروجی گرفتن تغییر کرده است
- راه‌حل
- اجرای مجدد، سپس ویرایش تصمیم‌های جدید
«complete prerequisites first»
- علت
- پیشرفت از یک گام جهش کرده است
- راه‌حل
- ابتدا پیش‌نیازها را به عنوان انجام‌شده علامت بزنید
«inconsistent conversion cycle»
- علت
- دو مسیر تبدیل با هم همخوانی ندارند
- راه‌حل
- ضرایب تبدیل را اصلاح کنید
«Unsupported model schema»
- علت
- مقدار
schemaVersionبرابر 1 نیست - راه‌حل
- مدلی با نسخه شمای 1 بارگذاری کنید
اختصارات
اصطلاح‌ها- BKT
- ردگیری دانش بیزی. احتمال تسلط به ازای هر مفهوم.
- FSRS
- اسکژولر تکرار فاصله‌دار رایگان. بهتر از SM-2.
- DAG
- گراف مفاهیم با یال‌های پیش‌نیازی.
- COPPA
- قانون ایالات متحده برای محدودیت داده‌های کودکان زیر 13 سال.
- OER
- محتوای آموزشی باز متصل به هر گره برنامه‌ی درسی.
پرسش‌ها
پرسش و پاسخ- مربی وقتی پاسخ خواسته می‌شود چه می‌کند؟
- یک سؤال هدایت‌کننده می‌پرسد.
- چه چیزی اثربخشی مربی را ثابت می‌کند؟
- اختلاف پیش‌آزمون/پس‌آزمون با 10 یادگیرنده طی دو هفته.
- آیا مربی مطالعه مقاله‌ها را داوری می‌کند؟
- خیر. از سوالات طراحی‌شده و تطابق دقیق استفاده می‌کند.
- آیا کارت مدل وارد دسته کارت می‌شود؟
- خیر. برای بررسی به card-proposal.json می‌رود.
- آیا برنامه‌ریز حجم چسب را حدس می‌زند؟
- خیر. هرگز چگالی یا اندازه بسته‌بندی را استنتاج نمی‌کند.
نکات
نکته‌ها- یک گراف برنامه‌ی درسی با 50 تا 150 گره مفهومی بسازید.
- با یک خط مبنای غیرانطباقی روی همان محتوا مقایسه کنید.
- حافظه را پس از 1 سال حذف خودکار کنید. دامنه آن را بر اساس شناسه یادگیرنده محدود کنید.
- تاریخ مرور را از صفحه به
--dateارسال کنید. - مجموعه دومی از مثال‌ها را برای ارزیابی نگه دارید.
- بارگذاری مجدد صفحه تمرین قبل از دانلود، تلاش‌های جدید را نادیده می‌گیرد.