基于关键词结构的知识追踪模型

基于关键词结构的知识追踪模型
李志军;高杨
【期刊名称】《工业控制计算机》
【年(卷),期】2023(36)2
【摘要】智能教辅系统的个性化及便捷性有助于充分发挥其教学作用,其中知识追踪(KT)则是一项重要但棘手的任务,它随着时间来追踪学习者不断变化的关键词掌握程度,并预测学生在下一次测试中的表现。

很多研究者已经关注该领域并提出了一些策略,如贝叶斯知识追踪(BKT)及深度知识追踪(DKT)。

关键词(又称概念)之间的传播影响已被教育理论证明是学习的关键因素之一,然而却未能得到充分探索。

提出了一种新框架,称为基于关键词结构的知识追踪(Keywords Structure based Knowledge Tracing,KKT)模型,利用关键词结构中的多重关系来模拟关键词间的相互影响。

KKT框架应用图神经网络(GNN)将关键词结构映射为图,同时考虑对练习序列的时间影响和对关键词间结构的空间影响。

通过在开放数据集上实验,结果证明提出的KKT模型具有很好的预测性和可解释性。

【总页数】3页(P104-106)
【作者】李志军;高杨
【作者单位】北方工业大学电气与控制工程学院
【正文语种】中文
【中图分类】G63
【相关文献】
1.基于解释结构模型的教学知识结构图的构建--以“定量订货法”知识结构图为例
2.基于知识序列的知识追踪模型及其应用研究
3.基于自注意力机制和双向GRU神经网络的深度知识追踪优化模型
4.人工智能支持下基于特征融合的深度知识追踪模型研究
5.基于双流结构和多知识点映射结构改进的深度知识追踪模型
因版权原因，仅展示原文概要，查看原文内容请购买。