Cet article propose InqEduAgent, un modèle d'agent basé sur un modèle de langage à grande échelle (MLL) pour une adéquation efficace des partenaires d'apprentissage dans l'enseignement par investigation. InqEduAgent analyse les schémas de connaissances antérieurs des apprenants et les associe à des partenaires d'apprentissage optimaux grâce à un agent génératif qui capture leurs caractéristiques cognitives et évaluatives dans des environnements d'apprentissage réels, et à un algorithme d'appariement adaptatif utilisant l'augmentation du processus gaussien. Les résultats expérimentaux montrent qu'InqEduAgent fonctionne de manière optimale dans divers scénarios d'apprentissage des connaissances et dans l'environnement LLM. Cela contribue à l'affectation intelligente de partenaires d'apprentissage humains et à la conception de partenaires d'apprentissage basés sur l'IA. Le code, les données et les annexes sont accessibles au public.
