-
题名融入深度知识追踪优化模型的协作学习分组方法
- 1
-
-
作者
李浩君
廖伟霞
汪旭辉
高鹏
-
机构
浙江工业大学教育科学与技术学院
-
出处
《浙江工业大学学报》
北大核心
2025年第3期284-292,338,共10页
-
基金
国家自然科学基金面上项目(62077043)
浙江省哲学社会科学规划交叉学科重点支持课题(22JCXK05Z)。
-
文摘
有效分组是提升协作学习效率的关键,合理的分组能够使个体和组内成员均获得最大化的习得成效;然而,目前的分组方法未对学习者知识水平特征深度计算,无法保证组内成员在知识结构上相辅相成。因此,提出一种融入深度知识追踪优化模型(DKVMN-KT)的协作学习分组方法。首先,采用深度知识追踪优化模型对学习者的知识状态建模,得到学习者的知识掌握程度;然后,利用K-means方法对所有学习者进行相似聚类,最后根据分组的异质性原则,将不同簇的学习者分配到适合的学习小组。实验结果表明:该方法能够实现学习者知识结构层面的有效分组,分组结果在知识结构上更具有公平性和异质性。
-
关键词
知识追踪模型
知识状态建模
K-MEANS
协作学习
-
Keywords
knowledge tracing model
knowledge state modeling
K-means
collaborative learning
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
