FKA-DKT:融合知识与能力的深度知识追踪模型OA北大核心CSTPCD
知识追踪(KT)是智能教育中的一个重要研究问题,其通过分析学生的历史交互来预测其未来的答题情况.现有的主流KT模型仅根据学生的知识掌握情况对学生进行建模,忽视了学生的个人能力在答题中的作用.因此,本文提出了一种融合知识和能力的深度知识追踪模型(FKA-DKT).首先利用DKT模型构建基于知识的答题预测网络(KAPN),从知识层面预测学生答案的正确性.然后提出基于能力的答案预测(AAPN)网络对学生的能力进行建模,从能力层面预测学生答案的正确性.最后,将KAPN和AAPN的预测结果进行线性组合,使模型能够融合知识和能力两个方面的信息来预测学生的作答结果.在4个公开的数据集上的实验结果表明,相较于现有的主流方法,FKA-DKT在AUC指标上取得了显著的性能提升.
陈成;董永权;贾瑞;刘源;
江苏师范大学计算机科学与技术学院,江苏徐州221116江苏师范大学计算机科学与技术学院,江苏徐州221116 江苏省教育信息化工程技术研究中心,江苏徐州221116 徐州市云计算工程技术研究中心,江苏徐州221116
计算机与自动化
知识追踪深度知识追踪个人能力建模
《南京师大学报（自然科学版）》 2024 (002)
P.129-139 / 11
国家自然科学基金面上项目(61872168);江苏省教育科学十四五规划项目(d/2021/01/112);江苏师范大学研究生科研与实践创新计划项目(2022XKT1527).
评论