Springer Nature旗下《Discover Applied Sciences》于2026年11月2日发表一项研究，提出使用深度强化学习为儿童动态规划个性化数学学习路径。论文指出，传统自适应学习系统多依赖静态规则，难以根据学习者不断变化的行为状态调整内容；研究者因此构建了Learning-Based Q Network（LBQN），将双重深度Q网络（DDQN）与教学—学习优化算法（TLBO）结合，用于根据答题反应时间、错误率及其他行为特征选择后续学习内容。论文原文
研究使用一个公开的个性化数学学习行为数据集，包含4000行、14列数据，并通过中值滤波、归一化和滑动窗口等步骤处理行为信号。论文报告称，LBQN在该数据集上的准确率为93.8%，召回率为90.6%，F1值为91.7%，用户满意度评分为4.9/5，并优于论文中对比的A-DRL、MLP-LSTM和RL-DKT方法。上述结果是研究者基于单一公开数据集的实验报告，不应直接理解为已经证明该方法能在真实课堂中普遍提升学习成绩。
这项工作的价值主要在于展示了一种把学习者状态估计与强化学习路径规划结合的技术路线：系统不只是判断学生答对或答错，还试图根据行为变化调整下一步任务。不过，论文说明该数据集不含可识别个人信息，也没有涉及直接招募儿童或开展真实教学实验，因此目前更接近离线算法验证，而不是经过学校场景检验的教育产品。研究页面还注明，当前版本属于接受后提前公开的版本，后续可能被正式版本替换。
对教育科技开发者而言，值得关注的不是单项准确率，而是模型能否在不同年龄、课程体系和设备条件下保持稳定，以及学习路径是否真正改善长期知识掌握，而不只是短期答题表现。后续若要落地，还需要更大规模、多来源数据和前瞻性教学实验，同时处理未成年人数据保护、教师监督和错误推荐的责任边界问题。
事件及资料日期：论文公开发表日期为2026年11月2日；研究于2026年4月29日收到、2026年8月21日接受。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
