检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于个性化学习和深层次细化的知识追踪

计算机应用 2024年

作者：李林昊张晓倩董瑶王旭董永峰河北省数据驱动工业智能工程研究中心(河北工业大学) 河北省大数据计算重点实验室(河北工业大学) 河北工业大学人工智能与数据科学学院

针对知识追踪(KT)模型没有充分考虑学生间差异、挖掘知识状态与习题的高度匹配等问题，提出一种双层网络架构——基于个性化学习和深层次细化的知识追踪(PLDRKT)。首先利用增强注意力机制得到习题的深层次细化表示；其次从不同学生对习... 详细信息

针对知识追踪(KT)模型没有充分考虑学生间差异、挖掘知识状态与习题的高度匹配等问题，提出一种双层网络架构——基于个性化学习和深层次细化的知识追踪(PLDRKT)。首先利用增强注意力机制得到习题的深层次细化表示；其次从不同学生对习题的难度感知和学习收益方面对初步知识状态进行个性化建模；最后利用初步知识状态和深层习题表示得到学生的深层次知识状态并对未来答题情况进行预测。将PLDRKT模型与基于对抗训练的增强知识追踪(ATKT)和集成知识追踪(ENKT)等7种模型在Statics2011、ASSIST09、ASSIST15和ASSIST17数据集上进行对比实验，实验结果显示，PLDRKT模型的曲线下面积(AUC)均有增加，在4个数据集上与ATKT、ENKT、ATKT和ENKT模型相比，分别增加0.61、1.32、5.29和0.19个百分点，可见PLDRKT模型可以较好地建模学生知识状态并预测回答。

关键词：知识追踪注意力深层次细化高度匹配个性化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

序列特征与学习过程融合的知识追踪模型

计算机工程 2024年第6期50卷 77-85页

作者：李子杰周菊香韩晓瑜甘健侯鹿泽光王俊云南师范大学民族教育信息化教育部重点实验室云南昆明650500 云南师范大学云南省智慧教育重点实验室云南昆明650500 中科国鼎数据科学研究院北京100085

知识追踪是人工智能技术与教育相结合的新兴领域,旨在通过学生过去完成习题的交互序列对学生的知识状态进行评估,是实现大规模个性化学习服务的关键核心技术。随着深度学习在计算机视觉、自然语言处理、推荐系统等领域的广泛应用,知识... 详细信息

知识追踪是人工智能技术与教育相结合的新兴领域,旨在通过学生过去完成习题的交互序列对学生的知识状态进行评估,是实现大规模个性化学习服务的关键核心技术。随着深度学习在计算机视觉、自然语言处理、推荐系统等领域的广泛应用,知识追踪领域也出现了大量基于神经网络的方法,简称深度知识追踪(DKT)模型。针对目前已有DKT模型在可解释性和准确性方面的不足,提出一种序列特征与学习过程融合的知识追踪模型SLKT,模型包括知识状态模块、序列特征模块、预测模块。知识状态模块用以模拟学生学习过程,序列特征模块捕捉学习者近期学习状况。通过序列特征和学习过程的融合,有效解决了基于知识状态建模方法无法考虑学习者近期学习状况的问题,同时提出一种带约束的动态Q矩阵表示练习和知识点之间的关系,从而更好地进行学习者学习过程建模,在确保较好可解释性的同时有效提升模型的准确性。在3个知识追踪领域公共数据集上的实验结果表明,相比DKT、动态键值记忆网络(DKVMN)、自注意力的知识追踪(SAKT)、卷积知识追踪(CKT)等深度追踪模型,SLKT模型在曲线下面积(AUC)、准确率指标评估中表现较优。

关键词：智慧教育深度学习知识追踪学习过程建模 Q矩阵

在线全文

学校读者我要写书评

暂无评论

时空相关性融合表征的知识追踪模型

计算机应用研究 2024年第5期41卷 1381-1387页

作者：张凯付姿姿覃正楚长江大学计算机科学学院湖北荆州434023

知识追踪通过对知识点的表示来描述习题,以此建模知识状态,最终预测学习者的未来表现。然而目前的研究在知识点的表示方面既没有建模历史知识点对当前知识点产生的时间关系上的影响,又未能刻画习题内部各知识点之间产生的空间关系上的... 详细信息

知识追踪通过对知识点的表示来描述习题,以此建模知识状态,最终预测学习者的未来表现。然而目前的研究在知识点的表示方面既没有建模历史知识点对当前知识点产生的时间关系上的影响,又未能刻画习题内部各知识点之间产生的空间关系上的作用。为了解决上述问题,提出了时空相关性融合表征的知识追踪模型。首先,以知识点之间的时间相关程度为基础,建模历史知识点对当前知识点的时间作用;其次,利用图注意力网络建模习题所包含的若干知识点之间的空间作用,得到蕴涵了时空信息的知识点表示;最后,利用上述知识点的表示推导出习题的表示,通过自注意力机制得到当前的知识状态。在实验阶段,与五种相关知识追踪模型在四个真实数据集上进行性能对比,结果表明提出的模型在性能方面有更出色的表现。特别地,在ASSISTments2017数据集中所提模型比五个对比模型在AUC、ACC方面分别提升了1.7%~7.7%和7.3%~2.1%;消融实验证明了建模知识点之间时空相关影响的有效性,训练过程实验表明了提出的模型在知识点的表示及其相互作用关系的建模等方面具有一定的优势,应用实例也可看出该模型优于其他知识追踪模型的实际结果。

关键词：知识追踪知识点表示时空相关性图注意力网络

在线全文

学校读者我要写书评

暂无评论

迁移表征的知识追踪模型

智能系统学报 2024年

作者：张凯刘月覃正楚秦心怡长江大学计算机科学学院

针对多数知识追踪研究在表征题目时仅利用了题目包含的概念等显性特征，未能考虑到题目中概念的考察侧重程度这一隐性特征，也未表征迁移过程中题目的迁移程度的问题。本文提出题目迁移表征的知识追踪模型。在题目侧重表征方面，采用加... 详细信息

针对多数知识追踪研究在表征题目时仅利用了题目包含的概念等显性特征，未能考虑到题目中概念的考察侧重程度这一隐性特征，也未表征迁移过程中题目的迁移程度的问题。本文提出题目迁移表征的知识追踪模型。在题目侧重表征方面，采用加性注意力机制提取题目中各个概念的考察侧重程度。在题目迁移方面，利用相似性和通道注意力机制融合建模历史题目多角度的迁移程度。在迁移遗忘方面，使用门限机制建模学习迁移的遗忘过程。最终得到题目迁移表征，以此来预测学习者未来的答题表现。在实验阶段，与6种相关模型在3个真实数据集上进行对比实验，结果表明提出模型的曲线下面积(area under the curve， AUC)和准确率(accuracy， ACC)均有更好表现，尤其在ASSISTments2012数据集上表现最佳，相较于其他对比模型分别提升了3.5%～20.1%和2.3%～18.5%。在可解释性方面，使用图表可视化描述了题目迁移表征生成路径。本文建模的学习迁移内在机制可为知识追踪模型的设计提供参考。

关键词：知识追踪学习迁移机制题目表征题目迁移序列模型答题预测注意力机制门限机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

习题内外表示异质融合的知识追踪模型

计算机应用研究 2024年第3期41卷 764-771页

作者：张凯付姿姿纪涛长江大学计算机科学学院湖北荆州434023

现有知识追踪研究大多使用习题蕴涵的知识点等内隐信息或历史交互数据等外显信息建模习题表示,没有注意到内外信息的异质性特征,缺乏对习题内外信息的异质融合。针对上述问题,提出了融合内外异质信息的知识追踪模型。首先,基于知识点等... 详细信息

现有知识追踪研究大多使用习题蕴涵的知识点等内隐信息或历史交互数据等外显信息建模习题表示,没有注意到内外信息的异质性特征,缺乏对习题内外信息的异质融合。针对上述问题,提出了融合内外异质信息的知识追踪模型。首先,基于知识点等内隐信息,计算历史知识点与当前知识点之间的相关程度,刻画历史知识点对当前知识点的影响,建模习题的内隐表示;其次,基于交互数据等外显信息,计算历史习题与当前习题之间的相关程度,获取历史习题对当前习题的影响,建模习题的外显表示;再次,基于上述习题的内外表示,使用通道注意力机制融合得到习题的内外异质表示,从而预测学习者的作答表现。为了验证提出模型的性能和有效性,选取了四个相关的基线模型,在三个真实数据集上进行了对比实验。实验结果表明:在性能方面,提出的模型在多个评价指标上均取得较好的效果;在有效性方面,消融实验证明了提出的模型可以更好地根据内外信息建模习题表示;在应用方面,设计智慧学习环境证明了提出的模型在实际教学场景中的可用性。

关键词：知识追踪习题表示通道注意力机制异质融合

在线全文

学校读者我要写书评

暂无评论

知识情境感知的深度知识追踪模型

南京大学学报（自然科学版） 2024年第1期60卷 76-86页

作者：蒲杰张所娟陈卫卫陆军工程大学指挥控制工程学院南京210023

知识追踪通过学习者历史作答数据动态追踪学习者的认知状态并预测他们未来的答题表现,然而,现有的知识追踪模型通常只利用试题中考查的知识点来表征,没有考虑试题本身蕴含的重要知识情境特征,这限制了模型的效果.此外,和融合教育先验的... 详细信息

知识追踪通过学习者历史作答数据动态追踪学习者的认知状态并预测他们未来的答题表现,然而,现有的知识追踪模型通常只利用试题中考查的知识点来表征,没有考虑试题本身蕴含的重要知识情境特征,这限制了模型的效果.此外,和融合教育先验的认知诊断方法相比,知识追踪模型的可解释性略有不足.为了解决上述问题,提出一种知识情境感知的深度知识追踪模型,通过知识情境表征模块来获取试题深层次的知识权重、试题难度等知识情境特征.在知识聚合模块中,模型将知识权重嵌入学习者面向试题的作答能力的计算,最后,在学习预测模型中引入猜测和失误因素,通过认知诊断模型来优化实际场景中的预测表现,进一步提高模型的预测性能.和现有方法相比,提出的模型在试题层级上取得了更好的预测结果,同时体现了模型可解释性方面的优势.

关键词：知识追踪知识情境感知知识权重试题难度认知状态

在线全文

学校读者我要写书评

暂无评论

融合遗忘机制的多模态知识追踪模型

计算机科学 2024年第7期51卷 133-139页

作者：闫秋艳孙浩司雨晴袁冠中国矿业大学计算机科学与技术学院江苏徐州221116

知识追踪是构建自适应教育系统的核心和关键,常被用以捕获学生的知识状态、预测学生的未来表现。以往的知识追踪模型仅根据结构信息对问题、技能进行建模,无法利用问题、技能的多模态信息构造其相互依赖关系。同时,关于学生的记忆水平... 详细信息

知识追踪是构建自适应教育系统的核心和关键,常被用以捕获学生的知识状态、预测学生的未来表现。以往的知识追踪模型仅根据结构信息对问题、技能进行建模,无法利用问题、技能的多模态信息构造其相互依赖关系。同时,关于学生的记忆水平仅以时间做量化,未考虑不同模态对记忆水平的影响。因此,提出了融合遗忘机制的多模态知识追踪模型。首先,对问题、技能节点,以图文匹配作为训练任务优化单模态嵌入,并通过计算多模态融合后节点间的相似度,获得问题和技能的关联权重从而计算生成问题节点的嵌入。其次,通过长短期记忆网络获取带有遗忘因素的学生知识状态,并将其融入学生的答题记录中生成学生节点的嵌入。最后,根据学生的答题次数和不同模态的有效记忆率计算学生和问题间的关联强度,通过图注意力网络进行信息传播,预测学生对不同问题的答题情况。在两个真实课堂自采数据集上进行了对比实验和消融实验,结果表明所提方法比其他基于图的知识追踪模型具有更好的预测精度,且针对多模态和遗忘机制的设计能有效提升原始模型的预测效果。同时,通过对一个具体案例的可视化分析,进一步说明了所提方法的实际应用效果。

关键词：知识追踪多模态异质图遗忘机制

在线全文

学校读者我要写书评

暂无评论

可靠响应表示增强的知识追踪方法

计算机工程与科学 2024年第3期46卷 535-544页

作者：赵琰马慧芳王文涛童海斌贺相春西北师范大学计算机科学与工程学院甘肃兰州730070 西北师范大学教育技术学院甘肃兰州730070

知识追踪是教育数据挖掘领域中的一项关键任务,旨在建模学生随时间不断变化的知识状态,以推断学生对知识点的掌握程度。然而,现有知识追踪方法大多忽略了基于学生-习题-知识点关系构造的学生-知识点空间的不可靠性和高维稀疏性,并且未... 详细信息

知识追踪是教育数据挖掘领域中的一项关键任务,旨在建模学生随时间不断变化的知识状态,以推断学生对知识点的掌握程度。然而,现有知识追踪方法大多忽略了基于学生-习题-知识点关系构造的学生-知识点空间的不可靠性和高维稀疏性,并且未结合学生在习题上的作答情况生成习题的可靠响应表示。针对上述问题,提出可靠响应表示增强的知识追踪方法。具体地,首先根据学生的作答记录细粒度地划分学生-习题空间,并基于习题-知识点空间得到不同划分下的学生-知识点空间;其次,从学生-知识点空间的相对可靠性和绝对可靠性2方面获得学生-知识点空间的可靠性,并采用维数约减方法得到可靠且低维的学生-知识点空间;再次,结合学生在习题上的作答情况和习题表示方法得到习题在2种作答下的可靠响应表示;最后,利用长短期记忆网络和得到的可靠响应表示评估学生在不同时刻的知识状态。在4个真实数据集上验证了本文方法的有效性和可解释性。

关键词：知识追踪教育数据挖掘可靠响应表示长短期记忆网络

在线全文

学校读者我要写书评

暂无评论

在线教育学习者知识追踪综述

计算机应用 2024年第6期44卷 1683-1698页

作者：赵雅娟孟繁军徐行健内蒙古师范大学计算机科学技术学院呼和浩特010022

知识追踪(KT)是在线教育中一项基础且具有挑战性的任务,同时也是从学习者的学习历史中建立学习者知识状态模型的任务,可以帮助学习者更好地了解自己的知识状态,使教育者更好地了解学习者的学习情况。对在线教育学习者KT研究进行综述。首... 详细信息

知识追踪(KT)是在线教育中一项基础且具有挑战性的任务,同时也是从学习者的学习历史中建立学习者知识状态模型的任务,可以帮助学习者更好地了解自己的知识状态,使教育者更好地了解学习者的学习情况。对在线教育学习者KT研究进行综述。首先,介绍KT的主要任务和发展历程;其次,从传统KT模型和深度学习KT模型两个方面展开叙述;再次,归纳总结相关数据集和评价指标,并汇总KT的相关应用;最后,总结KT现状,讨论它们的不足和未来发展方向。

关键词：知识追踪学习者知识状态在线教育深度学习