-
题名基于深度学习的知识追踪研究进展
被引量：32
- 1
-
-
作者
刘铁园
陈威
常亮
古天龙
-
机构
广西可信软件重点实验室(桂林电子科技大学)
桂林电子科技大学电子工程与自动化学院
暨南大学信息科学与技术学院网络安全学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2022年第1期81-104,共24页
-
基金
国家自然科学基金项目(U1811264,61966009)
广西可信软件重点实验室研究课题(KX202058)
广西研究生教育创新计划项目(YCBZ2021072)。
-
文摘
知识追踪是教育数据挖掘领域的一个重要研究方向,其目标是通过建立学生知识状态随时间变化的模型,来判断学生对知识的掌握程度并从学生的学习轨迹中挖掘出潜在的学习规律,从而提供个性化的指导,达到人工智能辅助教育的目的.深度学习因其强大的特征提取能力,已被证明能显著提升知识追踪模型的性能而越来越受到各方重视.以最基本的深度知识追踪模型为起点,全面回顾了该研究领域的研究进展,给出了该研究领域技术改进、演化脉络图,并从针对可解释问题的改进、针对长期依赖问题的改进、针对缺少学习特征问题的改进3个主要技术改进方向做了深入阐述和比较分析,同时对该领域中的已有模型做了归类,整理了可供研究者使用的公开数据集,考察了其主要应用,最后,对基于深度学习的知识追踪的未来研究方向进行了展望.
-
关键词
教育数据挖掘
深度学习
知识追踪
循环神经网络
人工智能辅助教育
-
Keywords
education data mining
deep learning
knowledge tracing
recurrent neural network
artificial intelligence assisted education
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
