MCQ Difficulty Prediction via Modeling Learner Heterogeneity Using Data-Driven Cognitive Profiling

En 3 lignesMéthode de prédiction de difficulté d'MCQ basée sur des profils cognitifs data-driven. Framework persona utilisant analyse de classes latentes (LCA) sur dataset EEDI, simulation LLM des distributions de réponses par persona, agrégation avec contexte thématique et régression Ridge. Amélioration : MSE 0.367→0.274, R²=0.686.

Résumé généré par Claude — vérifié par l'humain