melanie-ldi/genai-irr-calculator：基于浏览器的 GenAI 证据库 IRR 计算器
melanie-ldi/genai-irr-calculator 是一个基于浏览器的评分者间信度（IRR）计算器，专为 GenAI 证据库系统文献综述设计。该工具以单文件 HTML 形式运行，无需安装，所有计算均在客户端完成。它支持上传 .csv、.xlsx 等编码表，自动检测版本并计算 Krippendorff's α，结果可导出为 CSV 或 Excel。
#开源/资源
GitHub · AI in 教育AI 评分2323
arXiv cs.CYAI 评分4242 LLMersion：面向教育公平的本地优先低成本家庭语言学习 AI 智能体框架
论文提出 LLMersion 框架，一种完全在本地运行的 AI 智能体方案，旨在通过低成本家庭语言学习促进教育公平。该框架利用小型开源权重模型，使完整的听、说、读、写四项技能栈能运行在约 200 美元级别的笔记本电脑上，且每小时学习电费仅约 1 美分。作者已发布开源原型 LLMersion-1 及配套工具 LLMersion Narrator。
GitHub · AI in 教育AI 评分3535 CLEAR-Mem v0.1.0 发布：LLM 辅导系统学习者状态记忆参考实现
CLEAR-Mem v0.1.0 作为首个私有发布候选版本，提供了 LLM 辅导系统中学习者状态记忆的参考实现。该工具将学习者判断表示为独立可审查的声明，控制其进入持久记忆的权限及后续证据对声明的确认或修正。配套基准 LSS-Bench 用于测试记忆是否导致教育上不合理的变更，项目采用 Apache License 2.0 许可。
GitHub · AI 辅导AI 评分3535 InferHaven 开源 socratic-pressure-v1 研究：测试 8 个模型在压力下的代码生成能力
InferHaven 发布 socratic-pressure-v1 研究，测试 8 个模型在 12 个 Python 练习和 4 条压力消息下的表现。该研究旨在评估 AI 导师在压力下回复的代码能否通过练习自身的测试。代码采用 Apache License 2.0，数据与结果采用 CC BY 4.0 许可。
GitHub · AI in 教育AI 评分4242 knowledge_tracing_benchmark：基于 ASSISTments 2009 数据的知识追踪模型对比
该基准在 ASSISTments 2009 数据集上对比了多种知识追踪模型，其中 GRU 模型在 623 名留出学习者上取得 ROC-AUC 0.7470 和 Brier score 0.1800，优于 PFA 模型的 0.6982 和 0.1976。研究采用学习者不相交划分，确保预测无数据泄露，但结果仅支持响应预测性能，不证明教学效益。
GitHub · AI in 教育AI 评分2828 self_regulated_learning_copilot：透明自适应学习支持策略原型
Devis Saputra 开源了 self_regulated_learning_copilot，这是一个用于研究自我调节学习的透明规则策略实验室。该原型通过显式学习者状态决定支持动作，区分有效挣扎与无效挣扎，并支持静默监控以减少提示负担。项目包含 40 个通过的单元测试，旨在保留学习者自主权而非充当自动导航。
GitHub · AI in 教育AI 评分4040 devissaputra/engagement_early_warning：时间安全的学生参与度早期预警原型
devissaputra/engagement_early_warning 是一个时间安全的学生参与度早期预警研究原型，通过强制预测截止点边界防止数据泄露。该原型使用合成风险系数评估受限审查队列，并包含校准与子群诊断功能，29 个单元测试检查均已通过。
GitHub · AI in 教育AI 评分3333 learner_agency_simulator：用于压力测试自适应支持策略的透明学习者交互模拟器
learner_agency_simulator 是一个用于压力测试自适应支持策略的透明学习者交互模拟器，允许合成学习者请求、接受或拒绝帮助。该工具追踪状态占用、干预负担及首次掌握时间，包含 33 个通过的单元测试，旨在验证策略结论在假设变化下的稳健性。
GitHub · AI in 教育AI 评分3535 devissaputra/causal_learning_analytics：OULAD 第 30 天因果学习分析
该研究基于 OULAD 数据集，考察第 30 天仍符合条件的学习者中，提交至少一次非银行评估与有利最终结果之间的调整对比。记录的 Hájek 对比值为 0.3861，全重拟合 bootstrap 区间约为 0.3242 至 0.4447。重叠加权敏感性分析得出 0.3261，但分析指出存在极端权重和残余不平衡，未测量混杂因素阻碍了因果主张。
GitHub · AI 辅导AI 评分2828 handsomeZR-netizen/electrical-lab-core-algorithm 开源电学实验多模态辅导核心算法原型
handsomeZR-netizen/electrical-lab-core-algorithm 开源了电学实验多模态辅导核心算法原型，集成电路 JSON 表示、MNA 直流求解、错误诊断及 HACP 风格教学反馈。该 Python 项目通过 CLI 工作流实现从物理仿真到教学干预的闭环，支持检测开路、短路及仪表误接等课堂高频问题，并输出启发式提示、直接纠错和教师介入建议。