본 연구는 개념 수준의 평가 정보를 검증된 마이크로 개입으로 변환하는 강사 관리 피드백 루프를 뒷받침하는 증거를 제시합니다. 적응형 학습 알고리즘은 격차 해소 보장인 적절성, 시간과 중복에 대한 제약 조건인 주의력, 단일 리소스에 대한 과적합 방지인 다양성의 세 가지 안전 장치를 포함합니다. 개입 할당은 적용 범위, 시간, 능력 추정에 의해 알려진 난이도 창, 개념 행렬에 의해 인코딩된 사전 요구 사항, 다양성을 통해 시행되는 중복 방지에 대한 제약 조건이 있는 이진 정수 프로그램으로 공식화됩니다. 탐욕적 선택은 낮은 풍부함과 좁은 대기 시간 체제에 적용되고, 기울기 기반 완화는 풍부한 저장소에 적용되며, 하이브리드 방법은 풍부함-대기 시간 경계를 따라 전환됩니다. 시뮬레이션과 1,204명의 학생을 대상으로 한 소개 물리학 배포에서 두 솔버 모두 제한된 관찰 시간 내에 사실상 모든 학습자에 대해 완전한 기술 적용 범위를 달성했습니다. 기울기 기반 방법은 탐욕적 방법에 비해 중복 적용 범위를 약 12% 포인트 줄였고 난이도를 조화시켰으며, 탐욕적 방법은 리소스가 부족한 환경에서 더 낮은 계산 비용으로 유사한 적절성을 제공했습니다. 슬랙 변수는 누락된 콘텐츠를 지역화하고 대상 큐레이션을 지원하여 하위 그룹 전체에서 충분성을 유지했습니다. 그 결과 진단-교육 루프를 닫고 교실 규모에서 공정하고 부하 인식 개인화를 제공하는 실용적이고 감사 가능한 컨트롤러가 탄생했습니다.
