期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
学习行为增强的知识追踪模型
1
作者
张维
龚中伟
+2 位作者
李志新
罗佩华
宋玲玲
《计算机应用》
北大核心
2025年第9期2747-2754,共8页
现有的知识追踪(KT)模型未能有效利用学习行为信息,且忽略了不同学习行为对答题表现的贡献差异。因此,提出一种学习行为增强的知识追踪(LBBKT)模型。该模型采用门控残差网络(GRN)将学生的学习行为特征编码成4种上下文向量并把它们融入...
现有的知识追踪(KT)模型未能有效利用学习行为信息,且忽略了不同学习行为对答题表现的贡献差异。因此,提出一种学习行为增强的知识追踪(LBBKT)模型。该模型采用门控残差网络(GRN)将学生的学习行为特征编码成4种上下文向量并把它们融入模型中,从而充分利用学习行为信息(答题速度、尝试次数和提示)更好地建模学生的学习过程。此外,利用变量选择网络对学生的学习行为特征进行选择性加权,并通过GRN抑制不相关特征的干扰,以增强相关特征对学生答题表现的影响,从而充分考虑不同学习行为对学生答题表现的差异性贡献。在多个公开数据集上的实验结果表明,LBBKT模型在预测准确性上显著优于对比的KT模型。
展开更多
关键词
知识追踪
学习行为
变量选择网络
选择
性加权
门控残差
网络
在线阅读
下载PDF
职称材料
题名
学习行为增强的知识追踪模型
1
作者
张维
龚中伟
李志新
罗佩华
宋玲玲
机构
华中师范大学人工智能教育学部
出处
《计算机应用》
北大核心
2025年第9期2747-2754,共8页
基金
国家自然科学基金资助项目(62377024)。
文摘
现有的知识追踪(KT)模型未能有效利用学习行为信息,且忽略了不同学习行为对答题表现的贡献差异。因此,提出一种学习行为增强的知识追踪(LBBKT)模型。该模型采用门控残差网络(GRN)将学生的学习行为特征编码成4种上下文向量并把它们融入模型中,从而充分利用学习行为信息(答题速度、尝试次数和提示)更好地建模学生的学习过程。此外,利用变量选择网络对学生的学习行为特征进行选择性加权,并通过GRN抑制不相关特征的干扰,以增强相关特征对学生答题表现的影响,从而充分考虑不同学习行为对学生答题表现的差异性贡献。在多个公开数据集上的实验结果表明,LBBKT模型在预测准确性上显著优于对比的KT模型。
关键词
知识追踪
学习行为
变量选择网络
选择
性加权
门控残差
网络
Keywords
Knowledge Tracing(KT)
learning behavior
variable selection network
selective weighting
Gated Residual Network(GRN)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
学习行为增强的知识追踪模型
张维
龚中伟
李志新
罗佩华
宋玲玲
《计算机应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
