DKTwMF:一种融合多特征的知识追踪模型

摘要：

知识追踪的目的是通过分析学习活动来量化学生掌握知识的能力,进而为每个学生提供更具有针对性的训练.伴随时间的推移,系统中记录的学习数据的数据量不断增加.如何充分利用这些数据,为学生提供个性化教育是目前教育数据挖掘领域的一个重要研究方向.现有的知识追踪模型大多只考虑学生练习相关的知识点和作答结果,并未充分利用数据集中其他数据.为解决上述问题,提出了一种融合多特征的知识追踪模型(deep knowledge tracing with multiple features,DKTwMF).该模型首先利用邻域互信息和随机森林对特征进行选择,然后将多特征数据进行编码,最后使用深度学习对学生知识掌握状态进行建模.该模型可以自动提取出数据集中的重要特征,减少训练参数,保证模型能够收敛到全局最优,从而更准确地对学生技能状态进行评估.

关键词：数据挖掘、知识追踪、教育系统、特征融合、深度学习

所属期刊栏目：31

分类号：TP311.5(计算技术、计算机技术)

资助基金：国家科技重大专项2017ZX06002005

在线出版日期：2021-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：35-41