基于认知诊断与XGBoost的学生表现预测研究
针对认知诊断方法未考虑学生的答题共性和矩阵分解方法未考虑学生知识点掌握个性的问题,提出一种结合认知诊断与XGBoost(eXtreme Gradient Boosting)的学生表现预测方法(PRNCD-XGBoost):首先,根据试题中知识点之间的共现关系探索知识点之间的相似性,并结合试题-知识点二分图挖掘试题中各知识点所占权重,从而进行认知诊断;然后,用认知诊断阶段的预测结果对历史得分矩阵进行填充;最后,采用非负矩阵分解方法提取出包含认知诊断因素的学生答题共性特征进行得分预测.并在 ASSISTments2009 和 ASSISTments2017 数据集上,将PRNCD-XGBoost方法与PMF、NeuralCD、PR-NCD、NMF-XGBoost、MNMF-XGBoost等方法进行对比实验.实验结果表明:PRNCD-XGBoost方法在学生表现预测方面具有更高的预测精确度.
认知诊断、矩阵分解、XGBoost算法、学生表现预测
55
TP391(计算技术、计算机技术)
国家自然科学基金;广州市大数据智能教育重点实验室
2023-04-13(万方平台首次上网日期,不代表论文的发表时间)
共10页
55-64