基于协同过滤和认知诊断的试题推荐方法

摘要：

智能教育中,试题推荐方法是数据挖掘在教育测量领域的新运用,是自适应测试的智能化和个性化程度的重要体现,目前主流的试题推荐方法有两类,分别是协同过滤试题推荐方法和认知诊断试题推荐方法,前者忽略了独立个体的知识属性,后者缺乏对种群的共性评估.针对上述问题,为提高试题推荐的精确度和效率,综合考虑独立被试者的知识属性和类环境群体的知识共性,文中提出了基于协同过滤和认知诊断的试题推荐方法.首先,设计了基于多级属性评分的认知诊断模型,并利用该模型对被试者的答题情况进行建模;然后,将被试者的知识属性掌握模式用于概率矩阵分解,预测被试者的潜在答题情况;最后,根据信息量指标向被试者动态地推荐合适的试题.试题推荐方法综合考虑了个体的个性特征和群体的共性特征,提高了解释性和可靠性.实验结果表明,相比单协同过滤试题推荐算法和认知诊断选题策略,所提方法的测试效率分别提升了20.35％和2.5％.

关键词：协同过滤、认知诊断、试题推荐、认知诊断模型、信息量、数据挖掘

所属期刊栏目：46

分类号：TP301(计算技术、计算机技术)

资助基金：国家863计划项目2015AAxxx2078;省部级科技创新工程ZYX14030011

在线出版日期：2019-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：235-240