Towards Responsible AI in Education: Hybrid Recommendation System for K-12 Students Case Study

作者: Nazarii Drushchak, Vladyslava Tyshchenko, Nataliya Polyakovska

发布时间: 2025-02-28

来源: arxiv

研究方向: 教育技术（EdTech）与人工智能（AI）在教育推荐系统中的应用与公平性研究

主要内容

本文研究了一种针对K-12学生的混合推荐系统，该系统结合了基于图的方法和矩阵分解，旨在为学生的课外活动、学习资源和志愿服务机会提供个性化建议。为了解决公平性问题，系统包含一个框架来检测和减少通过分析保护学生群体反馈中的偏差。

1. 提出了一种结合图模型和矩阵分解的混合推荐系统，用于为K-12学生提供个性化学习资源推荐。

2. 引入了一个公平性分析框架，以检测和减少推荐系统中的偏差。

3. 通过案例研究证明了系统在推荐准确性和公平性方面的有效性。

4. 强调了在教育推荐系统中进行持续监控的重要性，以支持公平、透明和有效的学习机会。

1. 图模型

2. 矩阵分解

3. 公平性分析

4. 案例研究

5. 数据收集与分析

实验结果表明，该系统在推荐准确性和公平性方面均表现出良好的性能。在公平性审计中，系统在大多数情况下都表现出公平性，但在某些情况下仍存在偏差，需要进一步的分析和改进。

未来工作将集中在以下几个方面：1）改进公平性评估方法，以更全面地评估推荐系统的公平性；2）探索更先进的推荐算法，以提高推荐的准确性和个性化程度；3）开发自动化偏差检测和缓解机制；4）研究如何将公平性分析扩展到其他教育推荐系统。