RegulaTutor: A Theory-Informed Framework for Long-Term Personalized Learning

我们引入RegulaTutor，一个基于理论的长期个性化辅导框架，连接历史证据、学习者解读和学习者面向的教学。受自我调节学习（SRL）研究指导，其辅导系统操作化了认知、情感、元认知和动机（CAMM）框架，用于推导证据支持的学习者解读和教学策略。生成的策略保留其支持证据的联系，并随新观察的出现而更新。