认知诊断模型从学习者的认知结构出发,建模学习者与试题之间的潜在关系,结合智能算法并根据试题作答结果可评估学习者的知识水平.大多数认知诊断模型是将学习者的高阶能力特征视为单维,忽视了后天努力的影响.为此,本文提出了一种考虑能...认知诊断模型从学习者的认知结构出发,建模学习者与试题之间的潜在关系,结合智能算法并根据试题作答结果可评估学习者的知识水平.大多数认知诊断模型是将学习者的高阶能力特征视为单维,忽视了后天努力的影响.为此,本文提出了一种考虑能力特征与努力特征相互补偿的具有二维高阶特征的新认知诊断模型——认知反应模型(Cognitive and Response Model,C&RM).该模型通过设置能力特征与努力特征相互补偿机制来融合两高阶特征参数以精准建模学习者的知识水平.同时,还构建了知识点弱项特征参数,以综合考虑学习者的知识水平与不同知识点对作答试题的影响,进一步提高模型的解释性和预测精度.采用自建的HNU_SYS数据集和Math1,Math2,FrcSub公共数据集,通过实验对比分析了C&RM模型、最新的认知诊断模型和经典诊断模型.当数据训练集为70%最佳比例时,C&RM在4个数据集上分别比次优方法提升了6.3%,4.3%,3.3%,5.2%,其预测性能最佳,验证了本文模型的可行性和有效性.展开更多
文摘认知诊断模型从学习者的认知结构出发,建模学习者与试题之间的潜在关系,结合智能算法并根据试题作答结果可评估学习者的知识水平.大多数认知诊断模型是将学习者的高阶能力特征视为单维,忽视了后天努力的影响.为此,本文提出了一种考虑能力特征与努力特征相互补偿的具有二维高阶特征的新认知诊断模型——认知反应模型(Cognitive and Response Model,C&RM).该模型通过设置能力特征与努力特征相互补偿机制来融合两高阶特征参数以精准建模学习者的知识水平.同时,还构建了知识点弱项特征参数,以综合考虑学习者的知识水平与不同知识点对作答试题的影响,进一步提高模型的解释性和预测精度.采用自建的HNU_SYS数据集和Math1,Math2,FrcSub公共数据集,通过实验对比分析了C&RM模型、最新的认知诊断模型和经典诊断模型.当数据训练集为70%最佳比例时,C&RM在4个数据集上分别比次优方法提升了6.3%,4.3%,3.3%,5.2%,其预测性能最佳,验证了本文模型的可行性和有效性.
