在清华大学和 UC Berkeley 最新的论文《Goal-based Course Recommendation》中，研究人员基于高等教育中关于预测和推荐的发现和方法，开发出了一种新型的基于循环神经网络的推荐系统，针对学生的先验知识背景和最近发展区的估计，为他们感兴趣的目标课程提供选择先导课程的建议。在该研究中，研究人员使用了美国 2008 年秋-2017 年春季学期各个专业本科和研究生阶段 16 万学生，共计 480 万次课程的注册信息训练了一个 AI 模型，其课程推荐的成绩通过率很高，甚至能让生物学课程拿 A 的几率达到 75%。研究人员表示，未来他们可能会在 RNN 模型中加入对于职业规划等「长远目标」的评估，并考虑其他可能的数据来帮助学生进行选课决策。