融合状态关系的知识追踪模型

作     者：张凯 纪涛 况莹 Zhang Kai;Ji Tao;Kuang Ying

作者机构：长江大学计算机科学学院湖北荆州434000 长江大学文理学院外国语学院湖北荆州434020 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2023年第40卷第12期

页      面：3621-3627,3635页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(62077018) 国家科技部高端外国人才引进计划资助项目(G2022027006L) 湖北省自然科学基金资助项目(2022CFB132) 湖北省教育厅科学研究计划资助项目(B2022038)。 

主　　题：知识追踪 知识点 知识点状态 知识状态 扩散模型 

摘      要：知识追踪模型建模学习者对每个知识点的状态推断其知识总状态,预测其未来的学习表现。但现有研究在建模知识总状态时,没有融合知识点状态之间的关系,影响了最终的预测效果。针对这一问题,提出一种融合知识点状态关系的知识追踪模型。首先向量化表示数据集中的知识点,构建知识点表示图;其次将知识点表示图扩散至潜式空间以反映其内在结构和本质信息;融合当前时刻的习题与知识点作为引导向量,从知识点表示图的潜式表示中提取知识点状态图;以知识点状态图为基础,推导知识总状态,预测当前习题的表现。通过在三个数据集上对比四个相关模型的实验证明,提出的模型在AUC、ACC和表示质量方面均取得了一定的优势。其中,在ASSISTments2009数据集上表现最佳,与对比模型中的最优值和最低值比较,AUC分别提升了1.17%、10.57%,ACC分别提升了3.23%、12.17%,表示质量分别提升了1.95%、10.40%。进一步地,可视化地展示了知识点状态及其关系的内部推导过程,以及它们与真实答题结果之间的对应关系,说明模型具备一定的可解释性。同时,将该模型应用于三门课程以预测学生的表现,与相关模型对比取得了更好的结果,说明模型具备一定的实用性。