-
题名多视图对比学习驱动的动态知识追踪
- 1
-
-
作者
谢宛真
刘玮
胡棣威
崔梓涵
赵雨博
-
机构
武汉工程大学计算机科学与工程学院
-
出处
《计算机应用研究》
北大核心
2025年第11期3325-3332,共8页
-
基金
国家自然科学基金面上项目(52371373)
湖北省高等学校优秀中青年科技创新团队计划资助项目(T2023009)
武汉工程大学第十六届研究生教育创新基金资助项目(CX2024153)。
-
文摘
知识追踪旨在动态评估学生的知识掌握状态,其过程受学习者知识结构与认知交互变化的双重影响。现有方法存在双重局限:在静态层面,将学生-问题-知识点的异质交互简化为同质化处理,导致高阶依赖关系难以捕捉;在动态层面,将连续演化的知识状态简化为离散的二元跳变,导致与真实学习过程的动态反馈脱节。针对以上困境,提出了一种基于多视图对比学习的知识追踪模型(MCLKT)。首先,该模型通过对异构图和同构图的联合建模,分别捕捉学生、问题及知识点间的多维交互关系,全面表征知识状态的动态演化;其次,设计二部图与超图分别提取问题权重和学生熟练度,显式捕捉答题行为中的高阶依赖关系;最后,创新性地定义问题模式子图Q-pattern来建模局部子图及其相互作用,通过跨视图对比损失最大化结构一致性。在实验阶段,该模型在三个公开数据集上与多个基线模型进行了比较,在评估指标AUC、ACC上分别提高了0.69%~1.58%和0.21%~1.78%、RMSE分别降低了1.17%~1.75%。这些结果充分验证了多视图对比学习方法对于增强知识追踪模型性能的有效性。
-
关键词
知识追踪
异构图
图对比学习
知识掌握状态
局部子图
-
Keywords
knowledge tracing(KT)
heterogeneous graph
graph contrastive learning
knowledge mastery status
local subgraph
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名MDKT:融入多维问题难度的自适应知识追踪模型
- 2
-
-
作者
李浩君
钟友春
-
机构
浙江工业大学教育科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第11期3272-3280,共9页
-
基金
国家自然科学基金资助项目(62077043)
浙江省哲学社会科学规划交叉学科重点支持资助项目(22JCXK05Z)。
-
文摘
知识追踪旨在评估学习者的知识掌握状态,然而已有研究表明,问题难度与知识掌握状态密切相关。忽略问题难度的知识追踪模型难以有效评估学习者的实际状态。为了解决上述问题,提出了融入多维问题难度的自适应知识追踪模型(multi-dimensional knowledge tracing, MDKT)。该模型采用BERT与CNN对题目文本进行语义难度提取,并结合问题难度、概念难度和认知难度,形成多维问题难度表征;通过构建自适应学习模块,个性化地捕捉学习者与增强练习难度之间的交互;在预测学习者未来表现过程中,引入Transformer的多头注意力机制,以关注不同部分预测状态的重要程度。在实验阶段,与七个知识追踪模型在两个真实数据集的性能对比实验中,AUC、ACC性能分别提升了3.99%~12.06%和3.63%~11.15%,实验结果表明,所提模型在性能方面更加出色。在应用方面,将该模型和知识点网络图相结合,能准确挖掘出学习者的薄弱知识点,证明了所提模型在实际教学中的可行性。
-
关键词
知识追踪
知识掌握状态
问题难度
-
Keywords
knowledge tracing
knowledge mastery status
problem difficulty
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
