Progettazione degli algoritmi FairEduNet e calibrazione delle prove didattiche considerando l'equità nell'istruzione superiore

Summary

La ricerca mira a fornire un nuovo approccio per la calibrazione delle valutazioni dell'insegnamento e l'equità educativa nell'educazione intelligente. I risultati sperimentali indicano che il modello proposto supera significativamente i modelli comparativi, affrontando efficacemente problemi di scarsa integrazione dei dati multi-sorgente e bias di equità nei metodi di calibrazione esistenti.

Abstract

I metodi attuali di calibrazione delle valutazioni didattiche affrontano sfide come la bassa efficienza di integrazione nel trattamento di dati di valutazione eterogenea multi-sorgente, insufficiente adattabilità tra diverse discipline e scenari didattici, e bias nei risultati con garanzie di equità deboli. La ricerca mira a costruire un quadro di correzione dell'equità interpretabile, trasferibile e scalabile per la modellazione approfondita e la correzione dinamica dei dati di valutazione dell'insegnamento. Questi problemi rendono difficile soddisfare il requisito fondamentale di un insegnamento equilibrato nell'educazione intelligente. Questo studio propone un algoritmo di rete educativa orientato all'equità che integra una rete generativa avversaria e un albero decisionale che aumenta il gradiente. L'algoritmo costruisce un meccanismo di calibrazione dell'equità e combina un modello di rappresentazione bidirezionale di encoder con una rete di attenzione dei grafi per ottimizzare l'estrazione delle caratteristiche e l'adattabilità dinamica, migliorando l'efficienza nell'elaborazione dati multi-sorgente e la precisione della calibrazione dell'equità. Questo approccio garantisce una calibrazione precisa e una garanzia di equità nelle valutazioni didattiche. Nel test dell'indicatore, il modello ha raggiunto una precisione del 98,76% nelle caratteristiche di valutazione del clustering, del 98,05% nella correzione della correzione della correzione tra scenari e dello 0,968% nella coerenza della correzione tra scenari nel set di validazione. Nel compito di test del valore di perdita, la perdita totale del modello è diminuita da 0,1237 a 0,1018 durante il compito di correzione della valutazione didattica nel set di validazione. Nel test dell'indicatore, il modello ha raggiunto una precisione del 98,76% nelle caratteristiche di valutazione del clustering, del 98,05% nella correzione della correzione della correzione tra scenari e dello 0,968% nella coerenza della correzione tra scenari nel set di validazione. I risultati sperimentali indicano che il modello proposto supera significativamente i modelli comparativi, affrontando efficacemente problemi di scarsa integrazione dei dati multi-sorgente e bias di equità nei metodi di calibrazione esistenti. Inoltre, fornisce innovativi quadri algoritmici per gli sviluppatori tecnologici e strumenti tecnici affidabili per gli amministratori educativi per promuovere l'equità nell'insegnamento. I contributi alla ricerca riguardano a: (i) integrazione di tre moduli fondamentali, tra cui preprocessing dati multi-sorgente, verifica dinamica dell'indice di equità e visualizzazione della spiegabilità; e (ii) proponere un paradigma di correzione di equità basato sull'ottimizzazione collaborativa di reti generative adversariali e alberi di gradient boosting, che superi i limiti della correzione tradizionale a modello singolo e consenta l'apprendimento disaccoppiato della modellazione della deviazione e del processo decisionale di correzione.

Introduction

La valutazione e la calibrazione dell'insegnamento costituiscono il nucleo per garantire la qualità dell'insegnamento nell'educazione intelligente. Attraverso analisi dinamica, correzione degli errori e calibrazione dei risultati, forniscono una base per il miglioramento didattico e l'apprendimento personalizzato. La loro accuratezza e equità influenzano direttamente se un'educazione intelligente possa superare i pregiudizi tecnologici e fornire un supporto educativo^{equilibrato 1,2}. Tuttavia, i metodi esistenti presentano diverse carenze: si basano su una singola fonte di dati, ignorano la situazione reale e portano a bias e bias di correzione dei dati. La mancanza di un meccanismo dinamico di adattamento alla giustizia rende difficile soddisfare le esigenze di equità delle discipline e degli scenari ^3,4. Inoltre, ci sono problemi come la mancanza di indicatori di equità e il bias nelle strategie di correzione quando si tratta di dati eterogenei provenienti da più fonti. A tal fine, gli studiosi hanno condotto ricerche da molteplici dimensioni, come la valutazione dell'insegnamento assistito dal tennis basandosi su un algoritmo migliorato di traiettoria^{densa 5}. Yin et al. hanno utilizzato il processo di gerarchia analitica e un algoritmo di sintesi fuzzy per monitorare l'insegnamento^{online 6}. Chen ha analizzato i dati educativi degli anziani utilizzando un algoritmo di data mining migliorato per migliorare la qualità^{dell'insegnamento 7}.

Sebbene questi studi abbiano fatto progressi, persistono problemi come il bias nei risultati di calibrazione e la scarsa coordinazione della equità. Pertanto, costruire un modello che fornisca simultaneamente una calibrazione accurata della valutazione dell'insegnamento e una garanzia dinamica di equità è diventato un punto di riferimento nella ricerca nell'educazione intelligente. La rete avversaria generativa (GAN) si adatta per eliminare l'influenza implicita degli attributi sensibili sui risultati attraverso un addestramento avversario in tempo reale tra generatore e discriminatore, assicurando che gli output siano determinati da fattori fondamentali piuttosto che da bias^{indotto dall'etichetta 8}. GAN mostra vantaggi nel gestire i bias di gruppo nei dati di valutazione e nella modellazione dei vincoli di equità non lineare. Cheng et al. hanno proposto un algoritmo di miglioramento delle immagini basato su GAN per affrontare immagini a bassa risoluzione. Il generatore produceva immagini ad alta risoluzione da ingressi a bassa risoluzione, e il discriminatore distingueva le immagini generate da quelle reali ad alta risoluzione. L'addestramento avversario ottimizza i parametri affinché l'output del generatore si avvicini alle immagini^{reali 9}. Kang et al. hanno proposto un modello GAN cross-modale per migliorare l'efficienza dell'elaborazione dati multimodale nei settori delle energie rinnovabili. Il generatore riceve dati monomodali, il discriminatore distingue i dati generati dai dati multimodali reali, e l'addestramento avversario ottimizza il modello per migliorare l'efficienza¹⁰. L'algoritmo dell'albero decisionale per il gradiente boosting (GBDT) è un algoritmo classico per l'elaborazione di dati strutturati con una forte capacità di cattura delle caratteristiche. Integrando iterativamente più alberi decisionali, GBDT apprende con precisione i modelli di errore dei dati e mostra vantaggi nell'elaborare informazioni di valutazione eterogenee multi-fonte e nella correzione delle deviazioni di punteggio^{non lineari 11,12}. Mizuno et al hanno proposto un metodo di previsione del percorso basato su GBDT per disastri a piogge abbondanti, apprendendo le caratteristiche del percorso e prevedendo i percorsi dei disastri con dati in tempo reale, selezionando previsioni ottimali attraverso più alberi^{decisionali 13}. Gao et al. hanno sviluppato un metodo di analisi visiva basato su GBDT per la previsione del tasso di click pubblicitari, imparando la relazione tra le caratteristiche visive e i dati storici dei clic per prevedere i tassi di clic per nuove^{pubblicità 14}. Sulla base delle sfide sopra menzionate, questa ricerca mira a rispondere sistematicamente alla seguente domanda scientifica fondamentale: come può essere costruito un modello di valutazione educativa intelligente per integrare in modo efficiente dati eterogenei a più sorgenti, adattarsi dinamicamente a diversi scenari didattici e allo stesso tempo garantire accuratezza della calibrazione e equità dei risultati. Per rispondere a questa domanda, questo studio utilizza l'effetto sinergico del meccanismo di vincolo di equità della GAN e la precisa capacità di calibrazione degli errori della GBDT. Inoltre, si condon ricerche su come introdurre tecnologie avanzate, come l'elaborazione del linguaggio naturale (BERT), l'apprendimento per rinforzo (RL), i meccanismi di attenzione (AM), le reti di memoria a lungo termine (LSTM), le reti di attenzione a grafo (GAT) e la distillazione della conoscenza (KD), per compensare i limiti intrinseci di un singolo modello in estrazione di caratteristiche, adattamento dinamico ed efficienza del ragionamento. In definitiva, l'obiettivo è fornire una soluzione di calibrazione delle valutazioni didattiche che sia sia sia precisa che giusta, e che abbia forti capacità di generalizzazione per il campo dell'istruzione intelligente.

Protocol

Progettazione e ottimizzazione dell'algoritmo FairEduNet
Lo studio combina GAN e GBDT per costruire l'algoritmo FairEduNet, raggiungendo il doppio obiettivo della correzione di equità e correzione dell'accuratezza, piuttosto che il compromesso dell'ottimizzazione unidirezionale. FairEduNet adotta un'architettura collaborativa a doppio canale: il canale dorsale GBDT è responsabile della modellazione strutturata degli errori e della correzione precisa, mentre il canale ausiliario GAN si concentra sul disaccoppiamento degli attributi sensibili e sull'adeguamento dinamico della correttezza. L'architettura dell'algoritmo FairEduNet, che combina GAN e GBDT, è mostrata nella Figura 1.

Figura 1: Architettura dell'algoritmo FairEduNet che combina GAN e GBDT. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 1, FairEduNet raccoglie e preprocessa prima dati di valutazione multi-sorgente. GBDT utilizza più alberi decisionali per apprendere iterativamente i modelli di errore di valutazione, produce i risultati iniziali della calibrazione e li trasmette al modulo GAN. Il GAN addestra il discriminatore a apprendere la relazione tra i risultati iniziali della calibrazione e gli attributi sensibili, mentre il generatore regola dinamicamente i parametri di calibrazione. Attraverso molteplici round di addestramento avversario e verifica dell'equità, il bias di equità viene ottimizzato. Infine, i risultati calibrati in base alla correttezza vengono inviati al modulo GBDT, che aggiusta per accuratezza ed equità, fornendo la base di calibrazione della valutazione didattica e il rapporto. GBDT calcola i residui come mostrato nell'Equazione (1).

(1)

Nell'Equazione (1), rappresenta il residuo del campione i-esimo nella t-esima iterazione, y_i rappresenta il valore vero e rappresenta il valore di previsione della t-1-esima iterazione. Il processo avversario GAN è mostrato nell'Equazione (2).

(2)

Nell'Equazione (2), x rappresenta il risultato iniziale della calibrazione, z rappresenta le caratteristiche degli attributi sensibili, P_data(x)  rappresenta la vera distribuzione delle caratteristiche non sensibili, P_z(z) rappresenta la distribuzione degli attributi sensibili, D rappresenta il discriminatore e G rappresenta il generatore¹⁵. L'output iniziale di calibrazione di GBDT è mostrato nell'Equazione (3).

(3)

Nell'Equazione (3), rappresenta la previsione del campione i-esimo tramite l'albero decisionale iniziale, K rappresenta il numero totale di alberi decisionali, γ_k rappresenta il peso del k-esimo albero, e h_k(x_i) rappresenta l'output di previsione del k-esimo albero per i-Il campione. L'algoritmo FairEduNet può fornire calibrazione precisa e garanzia di equità per l'insegnamento dei dati di valutazione. Tuttavia, durante l'elaborazione di dati di valutazione non strutturati e l'adattamento a scenari dinamici, FairEduNet mostra una capacità di estrazione di caratteristiche debole per le caratteristiche non strutturate, causando un bias di calibrazione. Inoltre, gli indicatori di equità e i parametri di calibrazione di FairEduNet sono impostati staticamente, limitandone l'adattabilità a diversi scenari didattici e influenzando la qualità complessiva della calibrazione. La combinazione di rappresentazioni bidirezionali degli encoder dai transformers (BERT) e del reinforcement learning (RL), l'algoritmo BERT-RL, può estrarre con precisione caratteristiche profonde dal testo non strutturato e adattare dinamicamente i parametri degli scenari senza impostare manualmente soglie statiche, migliorando ulteriormente l'affidabilità degli output degli algoritmi negli scenari^16,17. Metodi tradizionali come TF-IDF si basano sulla frequenza delle parole ma mancano di una profonda comprensione contestuale e non riescono a distinguere direzioni specifiche di "equità" in situazioni diverse. Word2Vec produce vettori di parola statici, che faticano ad adattarsi a cambiamenti contestuali complessi e a riconoscere bias indiretti. BERT utilizza l'autoattenzione multilivello per codificare il contesto bidirezionale, catturando sia termini espliciti e distorti sia logica implicitamente distorta. Gli approcci tradizionali richiedono liste di parole di bias costruite manualmente, si basano sull'esperienza soggettiva e coprono scenari limitati. Attraverso l'apprendimento pre-addestrato per trasferimento di modelli, il BERT apprende automaticamente le caratteristiche semantiche profonde senza sforzi manuali estesi, offrendo una maggiore generalizzazione nel riconoscere i bias ambigui. Inoltre, i metodi tradizionali spesso perdono informazioni con testi lunghi, mentre BERT supporta fino a 512 token, preservando le relazioni contestuali, individuando con precisione le caratteristiche di bias e consentendo correzioni di equità a grana fine. Il processo operativo di BERT-RL è mostrato nella Figura 2.

Figura 2: Diagramma di flusso operativo dell'algoritmo BERT-RL. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 2, BERT-RL standardizza innanzitutto i dati di valutazione del testo non strutturato e li inserisce nel modello BERT. BERT utilizza un codificatore Transformer per la modellazione semantica bidirezionale per estrarre le caratteristiche chiave e costruire una matrice di caratteristiche. La matrice delle caratteristiche viene quindi inserita nel modulo RL, che apprende la strategia ottimale attraverso più iterazioni. La configurazione ottimizzata dei parametri viene infine inserita in FairEduNet, migliorandone l'adattabilità. Il calcolo del peso delle caratteristiche di autoattenzione BERT è mostrato nell'Equazione (4).

(4)

Nell'equazione (4), d_k rappresenta la dimensione del vettore K. La funzione di ricompensa multi-obiettivo RL è espressa nell'Equazione (5).

(5)

Nell'Equazione (5), ω₁, ω₂ e ω₃ rappresentano i coefficienti di peso, l'errore di calibrazione, D_t la deviazione di equità di equità, _{il target}D la deviazione di equità del bersaglio e T_t il runtime¹⁸. Questo studio combina BERT-RL con FairEduNet per formare l'algoritmo BERT-RL-FairEduNet, noto come BFEN. BFEN ottiene una calibrazione precisa e una garanzia di equità nell'insegnamento dei dati di valutazione tramite iterazione di funzionalità GBDT e addestramento avversario in tempo reale GAN, mentre BERT-RL ottimizza FairEduNet nella gestione dei dati non strutturati e nell'adattarsi dinamicamente agli scenari, affrontando le debolezze nell'estrazione delle caratteristiche e nelle limitazioni dei parametri statici. Lo studio ha utilizzato il modello BERT-basando-cinese e ha pre-addestrato il corpus di registri didattici reali, testi registrati in aula e documenti di politica educativa della National Smart Education Platform per l'anno accademico 2024-2025, con un vocabolario di 21128. La dimensione dello strato nascosto del modello è 768, con 12 teste di attenzione e 12 strati. La profondità dell'albero GBDT era impostata a 8, il numero di alberi era 200 e la velocità di apprendimento era 0,1. Il ciclo di addestramento di GAN è di 150 colpi e il discriminatore utilizza una rete completamente connessa a 3 livelli con dimensioni di 512, 256 e 1. Il generatore utilizza una rete completamente connessa a 4 livelli con dimensioni di 1024, 512, 256 e 1. Il numero di unità nascoste in LSTM è 128, e la lunghezza della sequenza è 512. GAT ha 2 strati e 4 teste di attenzione. La temperatura per la distillazione del sapere è impostata a 3,0. I coefficienti di peso ricompensa RL ω₁ = 0,4, ω₂ = 0,35 e ω₃ = 0,25. I criteri di selezione del peso servono a bilanciare l'equilibrio frontale di Pareto dell'ottimizzazione multi-obiettivo con i requisiti di interpretabilità delle pratiche di equità educativa. Gli esperimenti sono stati completati utilizzando una suddivisione dei dati del 50% tramite validazione incrociata e accordatura degli iperparametri. Il processo BFEN per la calibrazione delle valutazioni didattiche è mostrato nella Figura 3.

Figura 3: Processo di correzione dell'algoritmo BFEN per l'educazione intelligente e la valutazione dell'insegnamento. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 3, il BFEN pre-elabora prima i dati di valutazione didattica multi-fonte. BERT ottimizza la capacità di estrazione delle caratteristiche di FairEduNet calcolando la similarità semantica del testo e i pesi profondi delle caratteristiche basandosi su una finestra semantica, selezionando le caratteristiche importanti per costruire una matrice semantica ad alta dimensione. RL imposta quindi una funzione di ricompensa multi-obiettivo e calcola l'adattabilità dello scenario e i gradienti di aggiustamento dei parametri per ottimizzare ulteriormente le soglie di equità e i parametri di calibrazione. FairEduNet calcola le deviazioni tra i dati di valutazione e i modelli di pattern di errore, aggiorna iterativamente i pesi dell'albero decisionale e aggiusta le strategie di calibrazione finché gli errori non si stabilizzano entro soglie preimpostate. L'output finale include il modello di calibrazione degli errori e il rapporto di verifica dell'equità. Il modello di calibrazione viene applicato ai dati di valutazione dell'insegnamento, generando tabelle di confronto pre- e post-calibrazione, che vengono combinate con la libreria degli standard di equità educativa intelligente per determinare i parametri di calibrazione target, fornendo una base scientifica per la calibrazione della valutazione dell'insegnamento nell'educazione intelligente. Questa biblioteca standard copre tre dimensioni: equità delle opportunità educative, equità dei processi ed equità dei risultati, e include 12 indicatori fondamentali. Questi indicatori includono l'equilibrio dell'allocazione delle risorse educative tra le regioni, la differenza nella copertura delle infrastrutture digitali tra scuole urbane e rurali, la soglia di tolleranza per la risposta ritardata alla diagnosi della situazione di apprendimento (≤200 ms), la tolleranza ai dati mancanti nella valutazione multimodale (≤3,5%), la sensibilità al rilevamento del bias algoritmico (deviazione AUC per l'etichettatura di genere/regione/stadio ≤ 0,02), la soglia di divergenza KL per la distribuzione dei punteggi prima e dopo la correzione (≤0,08), il punteggio di interpretabilità dei suggerimenti di intervento degli insegnanti (≥4,2/5,0), la tempestività degli aggiornamenti del profilo degli studenti (completati entro T + 1 giorni), il coefficiente di coerenza del riconoscimento crediti cross-platform (≥0,93), l'accuratezza dell'allineamento semantico delle politiche educative (punteggio BERT ≥ 0,86) e la completezza della generazione dei rapporti di verifica dell'equità (inclusa l'attribuzione del bias, intervalli di confidenza e istantanee riproducibili dei parametri), oltre al tasso di validazione di validazione dell'adattamento dinamico degli scenari che copre tre scenari tipici: aula in tempo reale, compiti asincroni e assistenti didattici IA. Il calcolo della somiglianza delle caratteristiche semantiche è mostrato nell'Equazione (6).

(6)

Nell'Equazione (6), f_i rappresenta il valore della i-esima dimensione semantica delle caratteristiche, g_i rappresenta il valore della i-esima dimensione importante delle caratteristiche di valutazione, e n rappresenta il numero totale di dimensioni delle caratteristiche. Il calcolo del parametro di adattamento dello scenario RL è mostrato nell'Equazione (7).

(7)

Nell'Equazione (7), θ_t rappresenta il valore del parametro alla t-esima iterazione, α rappresenta il tasso di apprendimento e rappresenta il gradiente dei parametri basato sulla funzione ricompensa R(θ_t).

Costruzione del modello di calibrazione della valutazione didattica
Sebbene BFEN dimostri alcuni vantaggi nell'insegnamento della calibrazione delle valutazioni, affronta ancora una bassa efficienza di integrazione per dati di valutazione eterogenea multi-fonte e un'adeguata adeguata della correttezza dinamica nelle applicazioni pratiche. L'algoritmo AM-LSTM, che combina Mechanism di Attenzione (AM) e Long Short-Term Memory (LSTM), assegna pesi alle caratteristiche chiave dei dati di valutazione multi-fonte tramite AM e cattura i modelli dinamici di cambiamento dei dati di valutazione nel tempo utilizzando la capacità di memoria sequenziale di LSTM. Questo approccio migliora efficacemente l'efficienza nell'integrazione dei dati multi-fonte e nell'apprendimento dinamico delle funzionalità^19,20. Il processo operativo dell'AM-LSTM è mostrato nella Figura 4.

Figura 4: Diagramma di flusso operativo AM-LSTM. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 4, AM-LSTM pre-elabora prima dati di valutazione dell'insegnamento eterogeneo multi-fonte per formare un dataset standardizzato. AM calcola i pesi di attenzione per le caratteristiche provenienti da diverse fonti di dati per selezionare le caratteristiche importanti e costruisce una matrice di caratteristiche pesata. La matrice delle caratteristiche pesate viene quindi inserita in LSTM, che utilizza il suo meccanismo di gating per apprendere i pattern dinamici nel tempo, catturando le relazioni tra i dati di valutazione in diverse fasi e inviando vettori dinamici di caratteristiche. Infine, questi vettori dinamici di caratteristiche vengono combinati con vincoli di equità per generare risultati intermedi di calibrazione che si adattano all'integrazione di dati multi-sorgente e a scenari dinamici, fornendo una base per l'ottimizzazione successiva del modello. Il calcolo del peso di attenzione è mostrato nell'Equazione (8).

(8)

Nell'Equazione (8), _{a n} rappresenta l'allocazione dell'attenzione per la n-esima caratteristica, x_n rappresenta la somiglianza, q rappresenta il vettore di query e softmax rappresenta la funzione di attivazione. La porta di dimentica LSTM è espressa nell'Equazione (9).

(9)

Nell'Equazione (9), W_f è il peso della porta di dimenticanza, b_f è il biasaggio della porta di dimenticanza, x_t è l'ingresso al tempo t, h_t-1 è la variabile di stato esterna al tempo t-1 e σ rappresenta la funzione^{sigmoide 21}. Questo studio combina AM-LSTM con BFEN per costruire il modello di calibrazione della valutazione didattica AM-LSTM-BFEN, noto come FBFEN. In questo modello, AM-LSTM affronta i limiti di BFEN nell'efficienza di integrazione eterogenea dei dati multi-sorgente e nell'estrazione dinamica delle caratteristiche. Integra inoltre vincoli di equità per ottimizzare i risultati di calibrazione intermedia, permettendo a BFEN di ottenere una calibrazione più precisa e una garanzia dinamica di equità per l'insegnamento dei dati di valutazione. Il processo operativo di FBFEN è mostrato nella Figura 5.

Figura 5: Processo operativo del modello di valutazione e correzione didattica FBFEN. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 5, FBFEN pre-elabora prima i dati originali di valutazione didattica multi-fonte e inserisce il dataset standardizzato nel modulo AM-LSTM. AM calcola i pesi di attenzione delle caratteristiche, mentre LSTM apprende schemi dinamici, fornendo risultati intermedi di calibrazione che integrano informazioni multi-fonte e caratteristiche dinamiche. I risultati intermedi vengono quindi inseriti nel modulo BFEN. GBDT apprende iterativamente i modelli di errore dei dati di valutazione basandosi sui risultati intermedi e sul modello di errore presetto, producendo risultati preliminari di calibrazione. Nel frattempo, GAN analizza il bias di equità causato da attributi sensibili nei risultati preliminari attraverso un addestramento avversario tra generatore e discriminatore, regolando dinamicamente i parametri di calibrazione per eliminare il bias. Infine, i parametri di calibrazione ottimizzati per GAN vengono inviati a GBDT per aggiornare i pesi dell'albero decisionale e le strategie di calibrazione, producendo un risultato secondario che bilancia precisione ed equità. La standardizzazione dei dati è espressa nell'Equazione (10).

(10)

Nell'Equazione (10), z' rappresenta il valore standardizzato, z rappresenta il valore originale e z_min e z_max rappresentano i valori minimi e massimi. La funzione obiettivo finale del generatore GAN è espressa nell'Equazione (11).

(11)

Nell'Equazione (11), N rappresenta il numero di iterazioni, λ rappresenta il fattore di peso di perdita, ωⁱ rappresenta il fattore di peso della i-esima iterazione, rappresenta la funzione di perdita avversaria e rappresenta la perdita binaria di entropia^{incrociata 22}.

Ottimizzazione del modello di calibrazione della valutazione della valutazione dell'insegnamento FBFEN
Sebbene FBFEN dimostri una forte integrazione di dati multi-fonte e una garanzia dinamica di equità nella calibrazione delle valutazioni didattiche, affronta ancora una correlazione delle caratteristiche debole e bassa efficienza di addestramento e inferenza a causa della struttura modellare complessa in scenari educativi complessi. L'algoritmo GAT-KD, che combina Graph Attention Network (GAT) e Knowledge Distillation (KD), costruisce dinamicamente un grafo di associazione semantica tra le caratteristiche attraverso il meccanismo di attenzione di GAT, migliorando l'allineamento semantico dei dati multi-sorgente. KD comprime la conoscenza del modello complesso in una rete leggera, migliorando significativamente l'efficienza dell'inferenza mantenendo le prestazioni^{del modello 23,24}. Il processo operativo di GAT-KD è mostrato nella Figura 6.

Figura 6: Diagramma di flusso operativo GAT-KD. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 6, GAT-KD costruisce un grafo di associazione semantica tra le caratteristiche attraverso il modulo GAT, aggrega dinamicamente le informazioni sulle caratteristiche di quartiere usando il meccanismo di attenzione e migliora la rappresentazione semantica delle caratteristiche locali. KD utilizza quindi le soft label di output come segnali di supervisione, minimizzando la perdita di divergenza tra distribuzioni di output e la perdita di entropia incrociata tra le sue previsioni e le vere etichette, ottenendo il trasferimento di conoscenza e la compressione del modello. L'output finale è un modello di calibrazione leggero con alta precisione ed efficienza. Il calcolo del coefficiente di attenzione GAT è mostrato nell'Equazione (12).

(12)

Nell'Equazione (12), e rappresentano i vettori di caratteristiche dei nodi i e j, W rappresenta la matrice di pesi imparabile, a rappresenta il vettore di peso di attenzione, rappresenta l'operazione di concatenazione e LeakyReLU rappresenta la funzione^{di attivazione 25}. Il calcolo della funzione di perdita KD è mostrato nell'Equazione (13).

(13)

Nell'Equazione (13), KL rappresenta la perdita di divergenza, T² rappresenta il bilancio di scala del gradiente, ^{p student} rappresenta la probabilità soft label del modello leggero, e p^teacher rappresenta la probabilità soft label del modello^{complesso 26}. Combinando l'associazione di caratteristiche potenziata dall'attenzione e il trasferimento leggero della conoscenza, GAT-KD affronta efficacemente il bias semantico delle caratteristiche e l'elevata complessità computazionale. Questo studio integra GAT-KD in FBFEN per formare il modello di calibrazione della valutazione didattica GAT-KD-FBFEN, noto come GFBFEN. GAT-KD ottimizza le carenze di FBFEN in termini di cattura incompleta di correlazioni multi-sorgente e bassa efficienza di inferenza. Il processo operativo del GFBFEN è mostrato nella Figura 7.

Figura 7: Processo di valutazione e correzione del modello di valutazione e correzione del GFBFEN. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 7, GFBFEN standardizza i dati di valutazione didattica multi-fonte. Il GAT modella relazioni complesse tra le caratteristiche e calcola dinamicamente i pesi di associazione semantica tra nodi utilizzando meccanismi di attenzione. KD comprime la conoscenza del modello complesso in una rete leggera, migliorando significativamente l'efficienza dell'inferenza mantenendo la precisione. Il modulo AM-LSTM assegna pesi di importanza alle caratteristiche multi-sorgente e cattura schemi dinamici temporali dei dati di valutazione, fornendo risultati intermedi di calibrazione che integrano informazioni multi-sorgente. Questi risultati vengono inseriti nel modulo BFEN per l'elaborazione profonda. In particolare, BERT estrae caratteristiche semantiche da testi non strutturati, RL ottimizza dinamicamente soglie di equità e parametri di calibrazione, GBDT apprende iterativamente i pattern di errore per la calibrazione preliminare e GAN elimina i bias causati da attributi sensibili tramite addestramento avversario. Il meccanismo di regolazione dinamica dei parametri calibra automaticamente la sensibilità di risposta e i pesi di equità di ogni modulo rilevando in tempo reale i cambiamenti temporali e gli spostamenti di distribuzione di gruppo della scena didattica, risolvendo così il problema dell'insufficiente adattabilità causato dalla configurazione statica dei parametri e garantendo che il modello possa mantenere robustezza ed equità nelle diverse fasi di insegnamento, gruppi di studenti e scenari di valutazione. Il tipo di valutazione influisce direttamente sulla granularità e sul ciclo di feedback della modellazione delle serie temporali, mentre la valutazione formativa enfatizza la natura dinamica del processo. Le differenze tra discipline determinano l'assegnazione delle caratteristiche tra i moduli BERT e GBDT. Pertanto, adottare un meccanismo di aggiustamento dinamico può adattarsi efficacemente a diversi tipi di valutazione e caratteristiche disciplinari. Infine, attraverso molteplici round di feedback dei parametri e ottimizzazione iterativa, il modello produce risultati precisi ed equi della calibrazione della valutazione didattica. La funzione di ottimizzazione dei vincoli di equità dinamica è espressa nell'Equazione (14).

(14)

Nell'Equazione (14), S rappresenta l'insieme degli attributi sensibili, rappresenta il risultato previsto della calibrazione dell'output, rappresenta la varianza delle previsioni all'interno dei gruppi, γ rappresenta i parametri intergruppi e rappresenta il valore complessivo atteso. Il calcolo adattivo dei pesi di fusione di caratteristiche multi-sorgente è mostrato nell'Equazione (15).

(15)

Nell'Equazione (15), w_k rappresenta il peso delle caratteristiche della k-esima sorgente dati, β rappresenta il parametro di peso, Sim rappresenta la funzione di misurazione della somiglianza delle caratteristiche, f_k rappresenta il vettore delle caratteristiche estratto dalla k-esima sorgente dati, f_globale rappresenta il centro globale delle caratteristiche e K  rappresenta il numero totale di fonti di dati. Lo studio ha stabilito i pesi degli attributi sensibili, tra cui genere, etnia, regione, status economico familiare e origine madrelingua. I pesi sono determinati in base ai risultati dell'analisi di correlazione. Lo studio ha utilizzato il coefficiente di correlazione di Pearson e il coefficiente di correlazione del rango di Spearman come indicatori doppi per la valutazione congiunta, combinati con esperienza esperta nel campo dell'educazione per la calibrazione del peso. La determinazione finale dei pesi per ciascun attributo sensibile ha prodotto valori di 0,18 per il genere, 0,22 per l'etnia, 0,25 per la regione, 0,19 per lo stato economico familiare e 0,16 per il background della lingua madre. Genere: Identità di genere per registrazione legale e autoidentificazione, binario (maschile/femmina) con opzioni non binarie; campo dati "gender". Etnia: Basata sull'identificazione etnica nazionale di 56 gruppi, compatibili con gruppi non identificati e transfrontalieri; campo dati "Etnia". Regione: Suddivisione amministrativa della registrazione familiare o residenza a lungo termine, che copre i livelli provinciale, municipale e di contea, considerando la struttura duale urbano-rurale e la popolazione migrante; campo dati "regione". Stato economico familiare: Secondo gli standard statistici nazionali e gli indicatori di assistenza educativa, utilizzando una classificazione a cinque livelli; campo dati "economic_status". Background della lingua madre: Insegnamento primario e comunicazione familiare durante l'istruzione di base, comprendendo il mandarino, le lingue minoritarie, i dialetti e le lingue straniere, ponderate in base all'età e alla frequenza di acquisizione; campo dati "mother_tongue."

Il processo di correzione adottò un meccanismo di pesatura dinamica a tre stadi. La prima fase ha implementato l'identificazione iniziale della deviazione basata sulla matrice di peso degli attributi sensibili, segnando punti dati che si discostavano significativamente dal centro globale delle caratteristiche in dimensioni come genere, etnia e regione. La seconda fase introduce vincoli di contesto educativo per riqualificare l'intensità della deviazione in modo consapevole del contesto. La terza fase verifica la stabilità della correzione tramite test di perturbazione controfattuale, sostituendo sistematicamente i valori degli attributi sensibili mantenendo invariate le caratteristiche non sensibili, e osservando se la variazione dei punteggi di valutazione rientra entro la soglia del ±±3,2%.

Results

Analisi delle prestazioni dell'algoritmo BFEN
Gli indicatori valutati negli esperimenti includevano i seguenti:

L'accuratezza della correzione della valutazione (ECA) indica la proporzione di elementi di deviazione correttamente identificati e corretti dal modello all'interno dei risultati della valutazione didattica, riflettendo così l'efficacia complessiva del meccanismo di correzione. Valori più alti indicano una precisione di correzione superiore.

Il tasso di deviazione di equità (FDR) misura l'entità delle disparità di punteggio tra gruppi che il modello non riesce a eliminare durante il processo di calibrazione. Viene calcolato come il rapporto tra la deviazione standard di ogni attributo sensibile (ad esempio, genere, regione, etnia) all'interno della distribuzione dei punteggi e la deviazione standard complessiva; valori più bassi implicano varianze intergruppi minimizzate e una garanzia di equità più robusta.

Il tasso di adattamento allo scenario (SAR) indica la percentuale di compiti di correzione eseguiti con successo dal modello in contesti didattici eterogenei (ad esempio, scienze vs. discipline umanistiche, ambienti online vs. offline).

Il grado di mantenimento della equità (FMD) è definito come uno meno il rapporto tra la varianza degli indicatori di equità tra i gruppi di attributi sensibili dopo la correzione e quello osservato prima della correzione, riflettendo la capacità del sistema di preservare la propria equità strutturale durante il processo di calibrazione.

Il tasso di riconoscimento delle caratteristiche disciplinari (DFRR) calcola la proporzione di campioni in cui le caratteristiche principali sono correttamente identificate nei dati di valutazione di ciascuna disciplina rispetto alla dimensione totale del campione di valutazione, dimostrando la capacità del modello di discernere e catturare variazioni specifiche per settore.

L'efficienza di fusione dei dati multi-sorgente (MDFE) si riferisce all'efficienza di throughput del modello durante l'allineamento delle caratteristiche, l'allocazione dei pesi e la correzione delle deviazioni quando si fondono dati di valutazione eterogenea multi-sorgente. Questa metrica completa è definita come il prodotto del numero di campioni di valutazione processati al secondo (campioni/sec) e del tasso di conformità di coerenza di correzione (a un livello di confidenza del >95%), dove valori più alti indicano una pipeline di fusione più efficiente e stabile.

La stabilità del risultato di correzione (CRS) indica la consistenza degli output di calibrazione su più run indipendenti, quantificata dal reciproco della deviazione standard della distanza euclidea tra gli output di correzione di ciascuna run sotto input identici. Valori più alti indicano una maggiore affidabilità del sistema.

Il tempo di correzione dei dati singoli (SDCT) rappresenta la latenza computazionale media consumata dal modello per completare la calibrazione di un singolo campione di valutazione, misurata in millisecondi (ms); valori più bassi indicano una maggiore capacità di risposta in tempo reale.

L'errore assoluto corretto (CAE) misura l'errore assoluto medio tra le previsioni calibrate e i valori di verità fondamentale, rappresentando la deviazione residua del modello rispetto ai dati originali non calibrati. Valori più bassi indicano che le uscite calibrate sono più allineate ai veri livelli di prestazione.

L'errore relativo corretto (CRE) quantifica l'errore assoluto medio tra le previsioni calibrate e i valori di verità sul terreno espressi come percentuale della verità del terreno, con valori più bassi che indicano una maggiore precisione relativa di calibrazione.

Il tasso di accuratezza di correzione (CAR) rappresenta la proporzione di campioni il cui errore assoluto post-calibrazione è < 0,5 rispetto alla dimensione totale del campione, dimostrando l'affidabilità del modello nel soddisfare vincoli di precisione predefiniti. Valori elevati confermano l'utilità empirica e la credibilità degli output.

Il valore totale della perdita (TL) rappresenta il valore obiettivo di ottimizzazione globale derivato dalla somma ponderata dei singoli termini di sotto-perdita al completamento del compito. In particolare, sette metriche—DFRR, MDFE, CRS, SDCT, CAE, CRE e CAR—sono standardizzate tramite normalizzazione Z-score e ponderate in base alla priorità operativa dei compiti di valutazione. Dato il vettore di peso [0,15, 0,12, 0,1, 0,08, 0,13, 0,12, 0,1], questi sette valori indicatori normalizzati vengono aggregati per calcolare la perdita finale.

L'accuratezza del clustering delle caratteristiche di valutazione (EFCA) valuta il grado di allineamento tra le configurazioni di clustering non supervisionate generate dal modello e le categorie di accuratezza validate dagli esperti del settore.

L'efficienza di elaborazione dati ad alta dimensione (HDPE) misura il numero di campioni sottoposti a riduzione della dimensionalità delle caratteristiche e correzione di deviazione per unità di tempo quando si gestiscono vettori sparsi ad alta dimensione contenenti ≥50 caratteristiche di valutazione. Misurati in campioni al secondo, valori più alti riflettono una capacità più robusta di elaborare input di valutazione complessi e su larga scala in tempo reale.

La precisione di correzione della correzione della equità (FCP) valuta l'uniformità degli effetti di calibrazione tra coorti di studenti divergenti. Questa metrica viene quantificata calcolando la media della distribuzione della distanza di Kolmogorov-Smirnov per gli errori assoluti corretti tra i sottogruppi di attributi sensibili; valori più bassi implicano una performance più equilibrata tra gruppi e una maggiore garanzia di equità.

La coerenza della correzione tra le scene (CSCC) quantifica l'offset distribuzionale dei risultati della calibrazione in tre scenari tipici—ovvero, valutazione in classe, valutazione pratica e test online—modellati come rapporto di distanza di Wasserstein.

Per verificare le prestazioni dell'algoritmo proposto di calibrazione della valutazione didattica BFEN, lo studio lo ha confrontato con l'algoritmo PRF, che combinava analisi a componenti principali (PCA) e foresta casuale (RF); l'algoritmo EAB, che combinava machine di apprendimento estremo (ELM) e boosting adattivo (AdaBoost); e l'algoritmo DBLR, che combinava deep belief network (DBN) e regressione logistica (LR). Gli esperimenti sono stati eseguiti su un sistema equipaggiato con processore Intel Core i9-13900HX e GPU NVIDIA RTX 4080, offrendo elevate capacità di calcolo parallelo e una grande memoria video per completare in modo efficiente i calcoli di estrazione e calibrazione delle funzionalità per dati di valutazione didattica su larga scala. Il sistema operativo era Windows 11, e per la programmazione veniva utilizzato Python 3.9. Gli algoritmi sono stati implementati utilizzando la libreria Scikit-learn, moduli di deep learning sono stati sviluppati tramite il framework TensorFlow, e sono state impiegate librerie Pandas e NumPy per la pre-elaborazione dei dati. L'ambiente di sviluppo utilizzava PyCharm Professional 2023.1, e Seaborn veniva applicato per la visualizzazione dei risultati di calibrazione per facilitare un confronto intuitivo delle prestazioni degli algoritmi. Per garantire l'affidabilità dei dati, lo studio ha utilizzato il dataset Global Education Monitoring^{Report 1} e il dataset 2 sulle prestazioni accademiche degli studenti spagnoli^delle scuole medie. Il dataset contiene 12.486 record, che coprono dati di valutazione multimodale dell'insegnamento come valutazioni didattiche universitarie, prestazioni accademiche degli studenti, valutazioni dell'insegnamento degli studenti e feedback dei corsi, comprendendo 137 caratteristiche delle dimensioni dell'insegnamento, tra cui frequenza di interazione in classe, tempestività del feedback degli esercizi, coerenza dei punteggi, inclusività linguistica e sensibilità interculturale. La variabile target è il punteggio di valutazione dell'insegnamento, che in questo studio è mappato a un valore composito multidimensionale ponderato calibrato da esperti. La ricerca integra quattro tipi di fonti informative: valutazioni dell'insegnamento degli studenti, revisioni tra pari, osservazioni supervisionali in classe e revisioni dei dossier didattici, con pesi rispettivamente di 0,35, 0,25, 0,25 e 0,15. I set di addestramento e validazione sono divisi in ordine cronologico tra i due dataset. Lo studio utilizza i dati di settembre 2024 come set di addestramento e quelli da ottobre 2024 a giugno 2025 come set di validazione per allinearsi alla progressione temporale delle valutazioni educative. Nella fase di pre-elaborazione viene impiegata una strategia specifica per modalità, con caratteristiche strutturate standardizzate tramite normalizzazione Z-score e outlier Winsorizzate, mentre le caratteristiche testuali vengono codificate usando il modello BERT-base-cinese e ridotte a 768 dimensioni. L'addestramento avversario viene applicato per aumentare la robustezza contro espressioni di bias impliciti e mitigare la deriva semantica causata dalle differenze di background culturale.

Per raggiungere la formazione e la ricerca di validazione cross-domain, il modello sarà trasferito in quattro scenari di insegnamento eterogenei: educazione di base K-12, formazione professionale, formazione continua e educazione cinese internazionale per una validazione a zero o pochi campioni. In questi quattro scenari, lo studio introduce termini di regolarizzazione adattativa a dominio durante l'addestramento degli algoritmi per limitare la coerenza della distribuzione delle caratteristiche del modello in diversi scenari didattici. Incorporare un meccanismo leggero di maschera consapevole della sintassi per il rumore di frasi brevi in scenari K-12; Per affrontare l'ambiguità della terminologia professionale nell'istruzione professionale, viene costruito e integrato un dizionario di dominio dinamico con il grafico delle conoscenze del curriculum. Progettare un modulo di apprendimento per confronto tra gruppi d'età per affrontare il divario semantico intergenerazionale nella formazione continua, allineando gli ancoraggi semantici per le espressioni di valutazione dei diversi gruppi d'età nello spazio latente. Per affrontare l'espressione del carico culturale nell'educazione cinese internazionale, vengono utilizzati prompt di confronto tra lingue per la perfezionamento e migliorare la solidità della comprensione dei concetti educativi non letterali. Ricerche sulla calibrazione esperta e sui test di affidabilità di campi strutturati nei record di valutazione originali, rimuovendo voci a bassa affidabilità con coefficiente alfa di Krippendorff inferiore a 0,75. L'annotazione manuale in doppio cieco è stata implementata nei testi di valutazione degli studenti, con 3 esperti di misurazione educativa che hanno completato indipendentemente l'etichettatura dei tipi di deviazione, ottenendo la coerenza k = 0,86 nell'annotazione. Infine, i risultati annotati sono stati incrociati con i registri di frequenza della supervisione e le conclusioni della revisione dei file didattici per generare le etichette finali di calibrazione.

I dataset selezionati provenivano da popolazioni distinte, sistemi di misurazione e background educativi. Questo paradigma di validazione cross-domain ha messo alla prova rigorosamente i confini di robustezza e generalizzazione del modello all'interno di un ecosistema educativo autentico, prevenendo illusioni di valutazione causate dall'omogeneizzazione dei dati. Entrambi i repository contenevano volumi consistenti di registri di valutazione didattica, offrendo un valore di riferimento diretto per l'implementazione di algoritmi educativi intelligenti consapevoli dell'equità. Entrambi i dataset contenevano dati sostanziali di valutazione dell'insegnamento, fornendo valori di riferimento diretti per la progettazione di algoritmi di educazione intelligente consapevoli dell'equità e per la calibrazione delle valutazioni didattiche. Lo studio ha calibrato 1000 record di valutazione dell'insegnamento con i quattro algoritmi e ha calcolato il loro ECA e il Fairness FDR. I risultati sono mostrati nella Figura 8.

Figura 8: Confronto dei risultati dei test tra ECA e FDR. (A) BFEN. (B) PRF. (C) EAB. (D) DBLR. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 8A, il BFEN ha inizialmente raggiunto un ECA dell'82,47% e un FDR del 5,71% nel compito di calibrazione della valutazione. Con l'aumento del numero di record calibrati, l'ECA salì al 98,75% e si stabilì dopo aver calibrato 421 record, mentre il FDR scese al 2,87% e si stabilizzò dopo aver calibrato 514 record. Come mostrato nella Figura 8B, la curva ECA dell'algoritmo PRF aumentò gradualmente, mentre la linea FDR diminuì lentamente. Alla fine del compito di calibrazione, il valore ECA era del 92,30% e il valore PDR del 6,72%. La Figura 8C dimostra che la curva ECA dell'algoritmo EAB è salita rapidamente prima di appiattire, mentre la sua traiettoria FDR ha mostrato forti fluttuazioni nelle prime fasi prima della convergenza, terminando con un ECA dell'84,64% e un FDR dell'8,93%. Come delineato nella Figura 8D, l'algoritmo DBLR ha mostrato una traiettoria ascendente dell'ECA lenta accompagnata da fluttuazioni marginali e compressione limitata nella linea FDR, concludendo il compito di calibrazione con un ECA dell'83,51% e un FDR dell'8,42%. Questi risultati sperimentali confermano che l'algoritmo BFEN supera significativamente gli approcci di base sia nell'accuratezza della correzione della valutazione sia nel controllo del bias di equità. Questa superiore capacità di generalizzazione è attribuita all'integrazione del BERT all'interno di BFEN, che estrae caratteristiche semantiche profonde dal testo di valutazione non strutturato per catturare espressioni di bias nascoste, mentre il modulo RL ottimizza dinamicamente le soglie di equità e i parametri di correzione tramite una funzione di ricompensa multi-obiettivo per disaccoppiare attributi sensibili dagli output finali. Lo studio ha poi testato SAR e FMD per la valutazione in classe, gli esami finali, la valutazione pratica e la valutazione online, etichettando i quattro scenari come A, B, C e D. I risultati sono mostrati nella Figura 9.

Figura 9: Confronto tra risultati SAR e FMD in scenari diversi. (A) Risultati del test SAR. (B) Risultati del test per la FMD. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 9A, il BFEN ha raggiunto il SAR superiore al 98% in tutti gli scenari didattici, con il SAR più alto del 99,01% nei test in classe. Il SAR dell'algoritmo di confronto in diversi scenari è inferiore a quello dell'algoritmo BFEN, tra cui l'algoritmo DBLR ha il SAR più basso per lo scenario finale di valutazione tra tutti gli algoritmi, con un SAR del 70,23%. Come mostrato nella Figura 9B, la FMD dell'algoritmo BFEN è ancora significativamente superiore a quella dell'algoritmo di confronto in diversi scenari didattici, con FMD rispettivamente del 98,47%, 98,05%, 97,81% e 97,94% in scenari diversi. Le FMD dell'algoritmo di benchmark DBLR sono rispettivamente 82,36%, 71,74%, 70,59% e 69,12%. Le FMD dell'algoritmo EAB sono rispettivamente 80,79%, 68,21%, 67,65% e 66,03%, mentre le FMD dell'algoritmo PRF sono rispettivamente 86,42%, 82,17%, 80,98% e 78,33%. Questi risultati hanno dimostrato che BFEN ha superato gli algoritmi di confronto grazie all'apprendimento iterativo di GBDT con alberi decisionali multipli, che hanno catturato con precisione i pattern di errore tra gli scenari e garantito risultati di calibrazione stabili ed equosi. Lo studio ha inoltre valutato il tasso di riconoscimento delle caratteristiche disciplinari (DFRR) per cinese, matematica e inglese utilizzando i quattro algoritmi. I risultati sono mostrati nella Figura 10.

Figura 10: Confronto dei risultati dei test DFRR in diverse discipline. (A) Set di addestramento. (B) Set di validazione. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 10A, il BFEN ha raggiunto un DFRR del 99,23%, 98,94% e 99,13% per cinese, matematica e inglese nel set di addestramento. La Figura 10B ha indicato che BFEN ha anche raggiunto un DFRR più alto nel set di validazione rispetto ad altri algoritmi. In particolare, il DFRR di BFEN per i cinesi ha raggiunto il 98,41%, il 10,8% in più rispetto all'87,61% del DBLR; per la Matematica, 97,54%, 9,07% in più rispetto all'88,47% della PRF; e per l'inglese, 98,13%, 13,34% in più rispetto all'84,79% di EAB. Questi risultati hanno confermato che BFEN si è adattato efficacemente alla calibrazione della valutazione disciplinare combinando la profonda cattura delle differenze semantiche da parte di BERT con l'apprendimento personalizzato dei pattern di errore da parte di GBDT. Per valutare in modo completo le prestazioni del BFEN, lo studio ha valutato MDFE, CRS e SDCT per i quattro algoritmi. I risultati sono presentati nella Tabella 1.

Dataset	Algoritmo	MDFE (%)	CRS	SDCT (s)
Formazione	BFEN	98.42 ± 0.28*&@	0,975 ± 0,28*&@	0,78 ± 0,04*&@
	PRF	83,85 ± 0,41	0,779 ± 0,36	1.32 ± 0.08
	EAB	85,91 ± 0,50	0,806 ± 0,40	1.15 ± 0.07
	DBLR	88,76 ± 0,47	0,753 ± 0,39	1.45 ± 0.08
Validazione	BFEN	97.58 ± 0.25*&@	0,968 ± 0,27*&@	0,86 ± 0,03*&@
	PRF	81,62 ± 0,32	0,687 ± 0,50	1,51 ± 0,06
	EAB	84,37 ± 0,40	0,749 ± 0,42	1.28 ± 0.05
	DBLR	87,53 ± 0,30	0,728 ± 0,47	1,63 ± 0,07

Tabella 1: Confronto tra i risultati dei test MDFE, CRS e SDCT. "*" indica una differenza significativa (p < 0,05) tra i risultati BFEN e PRF. "&" indica che la differenza tra BFEN e EAB era significativa (p < 0,05). "@" indica che la differenza tra i risultati BFEN e DBLR è significativa (p < 0,05)

La Tabella 1 indica che BFEN ha raggiunto un MDFE del 98,42% nell'addestramento, 14,57% superiore all'83,85% di PRF, un CRS di 0,975, 0,222 in più rispetto allo 0,753 del DBLR e un SDCT di 0,78 s, 0,67 s in meno rispetto agli 1,45 s del DBLR. Nel set di validazione, BFEN ha mantenuto prestazioni superiori, con MDFE, CRS e SDCT rispettivamente del 97,58%, 0,968 e 0,86 s, che hanno superato gli algoritmi di confronto. Nel complesso, i risultati hanno convalidato la superiore performance completa del BFEN nella calibrazione delle valutazioni didattiche.

Validazione delle prestazioni del modello di calibrazione della valutazione dell'insegnamento GFBFEN
Basandosi sulla validazione delle prestazioni BFEN, lo studio ha ulteriormente valutato le prestazioni del modello di calibrazione della valutazione dell'insegnamento GFBFEN costruito su BFEN e lo ha confrontato con modelli di calibrazione costruiti utilizzando algoritmi PRF, EAB e DBLR. Per garantire condizioni di test coerenti e comparabilità, il dataset del rapporto globale di monitoraggio educativo fungeva da set di addestramento, mentre il dataset sulle prestazioni accademiche degli studenti universitari fungeva da set di validazione. I quattro modelli calibrarono 500 record di valutazione didattica, e furono calcolati i loro CAE e CRE. I risultati sono mostrati nella Figura 11.

Figura 11: Confronto tra i risultati dei test CAE e CRE. (A) Risultati dei test CAE. (B) Risultati del test CRE. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 11A, GFBFEN ha inizialmente raggiunto un CAE di 0,1279. Con il progredire della calibrazione, il CAE è diminuito a 0,0641 e si è stabilizzato dopo 104 registrazioni. I modelli di confronto avevano un CAE iniziale e finale superiore rispetto al GFBFEN, con l'EAB che aveva rispettivamente il CAE iniziale e finale più alto di 0,1858 e 0,1217. La Figura 11B ha indicato che il CRE iniziale e finale di GFBFEN durante il compito di calibrazione sono rimasti inferiori rispetto ai modelli di confronto, con valori rispettivamente di 0,1137 e 0,0912. Questi risultati hanno dimostrato che GFBFEN ha mostrato una forte capacità di adattamento, beneficiando del meccanismo di attenzione di GAT, che ha costruito grafici di correlazione semantica tra le caratteristiche, migliorato l'allineamento semantico dei dati di valutazione multi-sorgente e ha ridotto la calibrazione inefficace causata dal bias delle caratteristiche. Lo studio ha poi valutato la CAR per i dati di valutazione degli studenti, dati di valutazione degli insegnanti, dati di valutazione scolastica e dati di valutazione online, etichettati come I, II, III e IV. I risultati sono mostrati nella Figura 12.

Figura 12: Confronto dei risultati CAR di diversi dati di valutazione. (A) GFBFEN. (B) PRF. (C) EAB. (D) DBLR. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 12A, GFBFEN ha raggiunto un CAR del 99,34%, 98,93%, 99,01% e 99,12% per i dati di valutazione di studenti, insegnanti, scuole e online nel set di addestramento. Nel set di validazione, i valori CAR erano rispettivamente 97,89%, 98,56%, 97,57% e 98,46%. La Figura 12B–D ha mostrato che i modelli di confronto avevano un CAR più basso sia nei set di addestramento che in quelli di validazione. Tra questi, l'EAB ha ottenuto i risultati peggiori nel set di validazione, con un CAR del 76,31% per i dati degli insegnanti e del 78,29% per i dati online. Questi risultati hanno confermato che GFBFEN ha superato significativamente i modelli di confronto. Successivamente, lo studio ha testato la TL nel compito di calibrazione della valutazione didattica per valutare la capacità di adattamento e la stabilità dell'addestramento. I risultati sono mostrati nella Figura 13.

Figura 13: Risultati dei test di capacità di adattamento del modello e stabilità dell'addestramento. (A) GFBFEN. (B) PRF. (C) EAB. (D) DBLR. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 13A, GFBFEN inizialmente aveva un TL di 0,1021 nel set di addestramento. Dopo 67 iterazioni, la TL è scesa a 0,0725 e si è stabilizzata. Nel set di validazione, la TL è diminuita da 0,1237 a 0,1018. La Figura 13B–D indicava che il TL finale di PRF nel set di addestramento era 0,0824, quello finale di EAB nel set di validazione era 0,1178, e il TL di DBLR in entrambi i set era instabile e significativamente più alto rispetto ad altri modelli. Questi risultati hanno dimostrato che GFBFEN ha mostrato una forte capacità di adattamento e stabilità di addestramento, beneficiando del trasferimento di conoscenza basato su KD, che ha permesso al modello di apprendere rapidamente caratteristiche efficaci, accelerare la convergenza delle perdite e garantire la generalizzazione tra i dataset. Per convalidare in modo completo le prestazioni di base di GFBFEN, lo studio ha testato EFCA, HDPE, FCP e CSCC per i quattro modelli. I risultati sono mostrati nella Figura 14.

Figura 14: Risultati dei test a indicatore completo dei compiti di valutazione e correzione dell'insegnamento. (A) Risultati del test GFBFEN. (B) Risultati del test PRF. (C) Risultati del test EAB. (D) Risultati del test DBLR. Clicca qui per visualizzare una versione più grande di questa figura.

Come mostrato nella Figura 14A–D, il modello GFBFEN ha valori EFCA rispettivamente del 99,35% e 98,76% nei set di addestramento e validazione. L'EFCA del modello PRF è rispettivamente dell'88,53% e dell'87,04%. Nel set di validazione, l'EFCA del modello GFBFEN era superiore del 6,59% rispetto a quello del modello EAB al 92,17%, e dell'11,72% superiore a quello del modello DBLR all'87,04%. Inoltre, i suoi indicatori HDPE, FCP e CSCC sono anch'essi nettamente leader: nel set di validazione, l'HDPE del modello GFBFEN ha raggiunto il 98,05%, il FCP ha raggiunto il 97,93% e il CSCC ha raggiunto lo 0,968, tutti con prestazioni superiori ai modelli PRF, EAB e DBLR. Nel complesso, questi risultati hanno validato la superiore prestazione completa di GFBFEN, dimostrando che l'ottimizzazione coordinata del modello di GAT-KD, AM-LSTM e BFEN ha effettivamente migliorato la precisione, l'efficienza e l'equità della calibrazione nell'insegnamento della valutazione.

La ricerca ha gradualmente costruito FairEduNet, BFEN, FBFEN e GFBFEN, e il GFBFEN finale include componenti come FairEduNet, BERT-RL, AM-LSTM e GAT-KD. Per verificare il contributo indipendente dei singoli componenti, vengono condotti esperimenti di ricerca e progettazione di ablazione, rimuovendo gradualmente ogni componente e valutando il suo impatto sulle prestazioni complessive. Gli indicatori comparativi includono ECA, FDR, SAR e FMD. I risultati hanno mostrato che il valore ECA del solo componente FairEduNet era dell'87,32%, FDR del 12,45%, SAR dell'89,67% e FMD dell'11,89%. L'ECA del modello GFBFEN completo ha raggiunto il 99,21%, il FDR è ulteriormente sceso all'1,93%, il SAR è rimasto stabile al 99,45% e la FMD è stata ottimizzata al 7,28%. Dopo la rimozione del BERT-RL, L'ECA è scesa al 91,04%, il valore FDR al 6,23%, il valore SAR al 92,33% e la FMD è aumentata al 7,85%. L'ablazione di AM-LSTM ha aumentato le fluttuazioni SAR del 14,2%. La rimozione del GAT-KD ha portato a un aumento della FMD all'8,36%, e il suo meccanismo di soppressione della propagazione del bias della struttura dei grafi, guidato dalla distillazione della conoscenza, è stato significativamente efficace nell'alleviare il bias implicito di associazione tra popolazioni.

Per testare ulteriormente i metodi di ricerca, lo studio ha introdotto indicatori standard di equità consolidati, ovvero il Fairness Correction Benchmark (FCB), che copre tre tipi di vincoli rigidi ampiamente riconosciuti negli scenari educativi: (1) Il valore assoluto della differenza media dopo correzione tra gruppi è ≤ 1,2 punti (basato sul sistema percentuale); (2) Il tasso di sovrapposizione degli intervalli di confidenza corretti per ogni sottogruppo di attributo sensibile è ≥ 95%; (3) In ogni singolo scenario, la regione congiunta ammissibile di FDR e SAR deve soddisfare il vincolo di frontiera di Pareto (cioè, è impossibile migliorare il SAR senza deteriorare FDR, e viceversa). Il modello GFBFEN è stato confrontato con modelli di base mainstream, come EAB, PRF, DBLR e GBDT, nella valutazione sperimentale. L'esperimento è stato condotto su 421 dati reali di valutazione raccolti da scenari didattici reali, coprendo tre scenari educativi tipici: valutazione in classe, valutazione pratica e test online. I risultati sono mostrati nella Tabella 2.

Algoritmo	Valore assoluto della differenza media di punteggio	Tasso di sovrapposizione degli intervalli di confidenza(%)	Tasso di soddisfazione delle regioni fattibile congiunta(%)	Partitura completa
GFBFEN	0.87	98.3	100	97.2
EBA	1.52	98.4	82.6	78.5
PRF	1.68	85.1	74.3	71.2
DBLR	1.45	87.9	79.8	75.6
GBDT	1.33	91.2	86.4	79.9

Tabella 2: Risultati della valutazione degli indicatori dei criteri di equità e verifica pratica dell'applicazione.

Come mostrato nella Tabella 2, GFBFEN ha raggiunto la piena conformità a tutti e quattro i vincoli rigidi FCB in modo indipendente, e il suo punteggio completo ha superato significativamente gli altri modelli di base con un margine di +18,7 punti, convalidando la robustezza del paradigma proposto di correzione collaborativa a più stadi. In particolare, nell'indicatore centrale che riflette la capacità di compromesso tra equità ed efficienza, il tasso di copertura congiunta delle regioni ammissibili ha raggiunto il 100%, indicando che il modello possiede capacità decisionali Pareto-ottimali dispiegabili in scenari educativi reali.

L'equità nella valutazione dell'insegnamento si riferisce all'uso di vincoli quantitativi verificabili come parametro di riferimento, rispettando le differenze individuali e le leggi educative. La logica di calcolo e la definizione delle soglie degli indicatori di equità si basano sul quadro teorico dell'equità educativa e sugli standard di verifica dei dati empirici. Vengono revisionati congiuntamente da un comitato di esperti composto da cinque studiosi per garantire un alto grado di unità tra rigore teorico e adattabilità alla pratica educativa. Per convalidare ulteriormente l'adattabilità del modello sotto diversi standard di equità, lo studio ha condotto ulteriori validazioni secondo più standard. In particolare, sono stati selezionati tre standard di equità per la verifica. Lo Standard 1 è l'equilibrio del tasso di accettazione tra i gruppi basato sulla Parità Demografica. Lo standard 2 è la coerenza tra gruppi tra tasso di veri positivi e falsi positivi basata sulle Odds Equalizzate. Lo Standard 3 si basa sulla Parità Predittiva per controllare il bias intergruppo nell'accuratezza delle previsioni. È stato riscontrato che GFBFEN rispettava costantemente i rigidi requisiti di vincoli previsti da tutti e tre gli standard. Deviazione del tasso di accettazione del gruppo standard 1 ≤1,2%, tasso di veri positivi standard 2 differenza tra gruppi ≤0,85%, deviazione intergruppo con precisione predizione standard 3 controllata entro ±±0,6%. Al contrario, gli altri modelli hanno mostrato una rottura dei vincoli del ≥3,7% sotto almeno un criterio, verificando la compatibilità generalizzata del GFBFEN per paradigmi di equità multivariata.

DISPONIBILITÀ DEI DATI:
Per garantire l'affidabilità dei dati, lo studio ha utilizzato il dataset Global Education Monitoring Report (https://www.education-progress.org/) e il dataset sulle prestazioni accademiche degli studenti spagnoli delle scuole medie (https://archive.ics.uci.edu/dataset/320/student+performance). I set di addestramento e validazione sono divisi in ordine cronologico tra i due dataset. Lo studio utilizza dati di settembre 2024 come set di addestramento e da ottobre 2024 a giugno 2025 come set di validazione, in linea con la progressione temporale delle valutazioni educative.

Discussion

L'algoritmo BFEN proposto in questo studio ha dimostrato prestazioni superiori negli esperimenti comparativi. Dal punto di vista di ECA e FDR, ha superato significativamente gli algoritmi PRF, EAB e DBLR. Calibrando i record di valutazione 421, BFEN ha aumentato l'ECA al 98,75% mantenendo la stabilità, mentre FDR è sceso al 2,87%. Queste prestazioni sono state il risultato dell'integrazione di BERT-RL per l'ottimizzazione delle funzionalità e l'adattamento dinamico. BERT estraeva con precisione informazioni di bias semantico profondo dai testi di valutazione non strutturati, e RL ha adeguato dinamicamente le soglie di equità e i parametri di calibrazione tramite una funzione di ricompensa multi-obiettivo, eliminando l'influenza di attributi sensibili sui risultati. Questo è simile al lavoro condotto da Valencia-Londoño et al., che hanno utilizzato algoritmi di intelligenza artificiale per costruire un modello di inclusione educativa per adulti con vari disturbi neuromuscolari. Sebbene il modello di inclusione educativa costruito sia stato verificato per la fattibilità all'interno di specifici gruppi di malattie neuromuscolari, i suoi vincoli di equità coprivano solo una dimensione (rappresentazione uguale dei gruppi diagnostici), e non è stato stabilito alcun sistema rigido di vincoli tra più gruppi e obiettivi^{multipli 27.} Nei test in diversi scenari didattici, BFEN ha ottenuto un SAR del 99,01% per le valutazioni in classe e un FMD del 97,81% per le valutazioni pratiche, significativamente superiore rispetto ai modelli di confronto. Questo vantaggio derivava dall'apprendimento iterativo dei pattern di errore su dati di valutazione multi-scenario da parte di GBDT, combinato con la libreria di standard intelligenti di equità educativa, per corrispondere ai parametri di calibrazione target, riducendo efficacemente il bias di calibrazione e lo squilibrio di equità causati dalle differenze tra gli scenari. Rispetto al sistema di valutazione equa e adattativa dell'intelligenza artificiale proposto da Kumar et al., che incorpora circuiti di feedback di esperti umani e moduli di verifica dell'equità cross-language, pur introducendo queste caratteristiche, non riesce a modellare efficacemente le catene implicite di bias nei testi di valutazione nel dominio della valutazione educativa, che presenta alta densità semantica e forte dipendenza dal^{contesto 28}. Questo studio è più profondamente integrato in termini di rigida garanzia dei vincoli di equità e di un profondo accoppiamento della modellizzazione semantica educativa rispetto alla^{letteratura 28}.

Nei compiti pratici di valutazione dell'educazione intelligente, il modello GFBFEN costruito su BFEN ha inoltre mostrato vantaggi notevoli. Per 500 record di calibrazione, GFBFEN ha raggiunto un CAE finale di 0,0641 e un CRE di 0,0912. Il suo CAR per molteplici tipi di dati di valutazione ha superato il 97% sia in set di addestramento che di validazione. Queste prestazioni sono state il risultato dell'ottimizzazione delle correlazioni di funzionalità e dell'elaborazione leggera di GAT-KD. GAT ha costruito grafici di correlazione semantica tra le caratteristiche per ridurre il bias delle caratteristiche dati multi-sorgente, mentre il trasferimento di conoscenze di KD ha migliorato l'efficienza dell'inferenza senza compromettere l'accuratezza del modello, evitando ritardi di calibrazione causati dalla complessità del modello. Rispetto alla ricerca condotta da Deho et al. sull'impatto della deriva del dataset sull'equità dei modelli di analisi dell'apprendimento, sebbene il loro studio si sia concentrato sul meccanismo dell'influenza della deriva dei dati sull'equità, le strategie di correzione si basavano su una ripesatura statica e compensazione post-evento, priva della capacità di percepire e rispondere dinamicamente alle deviazioni semantiche in tempo reale. È stato difficile affrontare l'evoluzione dei pregiudizi impliciti nella valutazione educativa causati dalle espressioni soggettive degli insegnanti e dalle differenze negli stili linguistici degli studenti. Tuttavia, questo studio, attraverso il modello GFBFEN, percepisce e risponde dinamicamente alle deviazioni semantiche nella semantica della valutazione, catturando le tendenze implicite di valore nei commenti degli insegnanti, le deviazioni nello stile linguistico nei testi di risposta degli studenti e la deriva semantica nelle espressioni di valutazione tra voti/materie, ottenendo un cambiamento di paradigma dalla "compensazione statica" alla "calibrazione dinamica^"29. Nei test delle metriche core, il GFBFEN ha raggiunto rispettivamente un EFCA del 99,35% e 98,76% nei set di addestramento e validazione, e un FCP del 98,52% e 97,93%, significativamente superiore rispetto ai modelli di confronto. Simile al sistema di esame aperto con valutazione automatica basata sull'intelligenza artificiale sviluppata dal team Dimari A, sebbene abbia raggiunto un alto grado di coerenza nella valutazione delle risposte aperte, la correzione della correzione della correttezza si basa solo sul peso preimpostato delle dimensioni di punteggio e sulla libreria di campioni distorta annotata dagli esseri umani, senza incorporare un meccanismo educativo di evoluzione dinamica semantica. Questa ricerca ha apportato scoperte sostanziali nel meccanismo evolutivo dinamico della correzione dell'equità e nella profonda modellizzazione della semantica educativa rispetto ai risultati della ricerca del team Dimari A, dimostrando in particolare una forte robustezza e interpretabilità nell'affrontare sfide reali come la deriva nell'orientamento ai valori dei commenti degli insegnanti, le differenze generazionali negli stili linguistici degli studenti, e l'ambiguità nelle espressioni di valutazione^{interdisciplinare 30}.

Questo studio ha contribuito in tre aspetti. In primo luogo, l'algoritmo BFEN ha integrato BERT-RL con FairEduNet, migliorando l'efficienza di elaborazione e l'adattabilità multi-scenario per dati eterogenei multi-fonte attraverso l'ottimizzazione semantica delle caratteristiche e l'aggiustamento dinamico dei parametri. In secondo luogo, il modello GFBFEN, basato su GAT-KD e FBFEN, introdusse l'apprendimento della correlazione semantica e il trasferimento leggero di conoscenze, risolvendo problemi di correlazione di caratteristiche deboli e bassa efficienza di inferenza in scenari educativi complessi, migliorando la praticità nella calibrazione delle valutazioni. In terzo luogo, i modelli sono stati applicati per calibrare diverse materie e tipi di valutazione, fornendo supporto tecnico per una valutazione accurata dell'insegnamento e promuovendo l'equità educativa. Questi contributi hanno offerto un nuovo approccio per la calibrazione intelligente delle valutazioni dell'istruzione e un riferimento per la collaborazione multi-algoritmo nell'elaborazione complessa di dati educativi.

I metodi attuali di calibrazione della valutazione dell'istruzione intelligente mancano di adattabilità ed equità. Questo studio propone un modello GFBFEN basato su FairEduNet, utilizzando GAN e GBDT per la calibrazione dell'equità. BERT-RL migliora l'elaborazione dei dati non strutturati, AM-LSTM migliora la fusione di dati multi-sorgente e GAT-KD rafforza la correlazione delle caratteristiche e l'alleggerimento delle persone. Integrando questi algoritmi, il modello ottiene una calibrazione precisa e una corretta efficienza dinamica. I test mostrano un'eccellente elaborazione dei dati multi-fonte e una calibrazione di equità tra scenari, soddisfacendo i requisiti di precisione ed equità. Tuttavia, il modello presenta limitazioni nei gruppi di educazione speciale, che richiedono una maggiore generalizzazione. I lavori futuri ottimizzaranno i parametri e adatteranno i vincoli di equità per scenari diversi, supportando l'equità educativa e la qualità dell'insegnamento.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Global Education Monitoring Report dataset	UNESCO	https://www.education-progress.org/	Dataset
NumPy	NumPy	https://numpy.org/	Elaborazione dati
Pandas	Pandas, NumPy	https://pandas.pydata.org/	Elaborazione dati
PyCharm Professional 2023.1	PyCharm	Versione 2023.1	Ambiente di sviluppo
Python 3.9	Python	Versione 3.9	‌Lingua di programmazione
Scikit-learn	Scikit-learn	https://scikit-learn.org/stable/index.html	Apprendimento automatico
Seaborn	Seaborn	https://seaborn.pydata.org/	Visualizzazione
Spanish middle school student academic performance dataset	UC Irvine Machine Learning Repository	https://archive.ics.uci.edu/dataset/320/student+performance	Dataset
TensorFlow	TensorFlow	https://www.tensorflow.org/	Apprendimento profondo
Windows 11	Microsoft	Versione 11	Sistema operativo