teacher-support-studio

Teacher Support Studio 是一個端到端的教育機器學習專案，用於預測學生在即將進行的技能練習中首次作答成功的機率，並把這些估計轉化為面向教師、以證據為依據的指導建議。它結合了防洩漏的縱向特徵工程、可解釋和非線性的分類模型、SHAP 解釋，以及可部署的 FastAPI 應用。建模使用 ASSISTments 2009–2010 Skill Builder 資料集，包含來自 4,163 名學生、經過篩選的 259,386 次互動，以及 170 個有文件說明的預測變數，這些變數僅由每次預測之前可獲得的資訊構建。模型包括 L2 正則化邏輯迴歸和調參後的 XGBoost；最佳測試 ROC-AUC 為 0.7000，由 XGBoost 取得。應用允許教師選擇一個合成班級和學生，檢視各具名技能上的預估掌握程度，並就所顯示的證據提問。對每項技能，它會根據此前的全部互動重建學生狀態，建立最多十個合理的後續練習情境，並用已持久化的 XGBoost 模型批次為這些情境打分。LangGraph 工作流只把選定的指標和支撐證據提供給 OpenAI，以獲得結構化回覆；如果 OpenAI 不可用，該端點會返回確定性的本地指導。