LLM-basierte Lernpfadempfehlung: IB‑GRPO optimiert Lernziele mit Indikator

Die Herausforderung, Lernpfade zu empfehlen, die nicht nur individuell wirken, sondern auch langfristig den Lernerfolg steigern, ist komplex. Große Sprachmodelle (LLMs) liefern zwar ein tiefes semantisches Verständnis, doch ihre Anwendung auf langfristige Lernpfadempfehlungen stößt an Grenzen: pädagogische Ziele wie die Zone of Proximal Development (ZPD) bleiben oft unbemerkt, Expertenbeispiele sind knapp und die Balance zwischen Lernwirkung, Schwierigkeitsanpassung, Pfadlänge und Vielfalt ist schwer zu steuern.

Um diese Hürden zu überwinden, präsentiert die neue Methode IB‑GRPO (Indicator‑Based Group Relative Policy Optimization). Durch die Kombination genetischer Suchalgorithmen und Lehrer‑RL‑Agenten werden hybride Expertenbeispiele generiert, die das Modell mit einer gezielten Supervised‑Fine‑Tuning‑Phase warm‑starten. Anschließend wird ein innerhalb‑der‑Sitzung‑basierter ZPD‑Score eingeführt, um die Schwierigkeitsanpassung präzise zu steuern.

Der Kern von IB‑GRPO liegt in der Nutzung des Iε+-Dominanzindikators, der gruppenrelative Vorteile über mehrere Ziele hinweg berechnet. Diese Technik eliminiert die Notwendigkeit manueller Skalarisierungen und führt zu deutlich besseren Pareto‑Trade‑Offs, indem sie die verschiedenen Lernziele harmonisch ausbalanciert.

In Experimenten mit den Datensätzen ASSIST09 und Junyi, simuliert im KES‑Umfeld und unter Einsatz des Qwen2.5‑7B‑Backbones, zeigte IB‑GRPO konsequente Verbesserungen gegenüber etablierten RL‑ und LLM‑Baselines. Die Ergebnisse unterstreichen das Potenzial, Lernpfadempfehlungen nicht nur personalisierter, sondern auch pädagogisch fundierter zu gestalten.