摘要
911接警员的培训需要掌握超过一千项相互依赖的技能，涵盖多种事件类型和特定协议的细微差别。全国范围内的劳动力短缺已经对培训能力造成了压力，但有效的教学仍然要求培训师根据每位学员不断变化的能力量身定制目标。这种个性化的负担是当前实践无法扩展的。
与梅特罗纳什维尔应急通信部（MNDEC）合作，我们提出了PACE（个性化自适应课程引擎），这是一种辅助系统，旨在增强培训师的决策能力，具体通过以下方式实现：
- 维护对学员技能状态的概率信念；
- 建模个体学习和遗忘动态；
- 推荐训练场景，以平衡新能力的获取与现有能力的保持。
PACE通过一个结构化的技能图传播证据，以加速诊断覆盖，并应用上下文强盗算法选择目标学员准备应对的技能差距的场景。实证结果表明，PACE在达到能力的时间上比现有最先进框架快19.50%，终极掌握率提高了10.95%。与在职培训官的辅助研究进一步表明，PACE与专家在实际案例上的教学判断的对齐率达到95.45%。在低估情况下，PACE将周转时间从11.58分钟缩短至仅34秒，减少高达95.08%。
博主点评： PACE系统通过结合个性化学习和高效决策支持，显著提升了911接警员培训的效果。这一创新方法不仅解决了劳动力短缺问题，还在实际应用中验证了其卓越的教学效果，值得在更广泛的培训领域推广。