基于GRU神经网络的认知诊断模型研究

作     者：孙小晴 

作者单位：哈尔滨师范大学 

学位级别：硕士

导师姓名：季伟东

授予年度：2021年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：认知诊断 GRU神经网络 知识点 学生评价 

摘      要：在人工智能与大数据兴起的年代,随着它们的不断进步和发展,人们越来越期望这些新兴的技术能够对教育领域产生一定的推动作用。教学评价在整个学习过程中具有举足轻重的地位,其能够反映每位学习者的学习效果。然而仅依靠传统的教育者进行人工评价,具有一定的片面性和主观性,无法满足针对学习者个性差异的准确评价。因此,人们寄希望于应用人工智能和大数据手段,期望能够在了解学习者传统评价的基础上,更加清晰的呈现学习者的知识结构,从而更好地辅助家长、教育者以及教育专家对学习者的诊断。认知诊断是“AI+教育的基本问题之一,它作为一个与教育相关的技术手段,其目的是发现学习者对特定知识概念的熟练程度。现有认知诊断方法通常通过人工设计的函数（如逻辑函数）挖掘学生练习过程的线性交互,这不足以捕捉学生和练习之间的复杂关系。在本文中,为了更加全面的模拟学习者学习过程,在知识点难度和区分度的基础上增加知识点重要性与做题速度两个参数,进一步完善影响学习效果的其他因素;为了避免传统神经网络的缺陷,本文使用GRU神经网络模型,提出了基于GRU网络的认知诊断模型,它结合GRU神经网络来学习复杂的运动相互作用,以获得准确和可解释的诊断结果。具体来说,将学生和练习投射到因子向量上,并利用GRU神经网络来模拟它们的相互作用,从而诊断学习者对知识点的掌握程度。基于GRU-ISCDM模型,本研究对三个数据集的数据进行了训练和分析,得到了学习者对于不同练习得分的预测准确度,从而判定学习者对知识点的掌握程度以及知识水平,生成符合学习者特征的可解释的认知诊断报告。在教学层面帮助教育者更好的了解学习者知识掌握程度,制定具有个性化的教学计划,从而提升教学效果。在知识接受层面,使学生进一步准确快速的认识自己已有的知识结构,加强薄弱知识点。在三个数据集上的大量实验结果表明了基于GRU神经网络的认知诊断模型在准确性方面具有更好精度。