基于学生-问题关联的异构图知识追踪模型

闫秋艳; 司雨晴; 袁冠; 王志晓

您当前的位置：

首页 >

文章列表页 >

基于学生-问题关联的异构图知识追踪模型

更新时间：2025-12-11

- 基于学生-问题关联的异构图知识追踪模型
- Acta Electronica Sinica Issue 12, Pages: 3549-3556(2023)
- 作者机构：
  
  中国矿业大学计算机科学与技术学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP18;O157.5
- Published：2023
- 稿件说明：
移动端阅览
闫秋艳, 司雨晴, 袁冠, et al. 基于学生-问题关联的异构图知识追踪模型[J]. Acta Electronica Sinica, 2023, (12): 3549-3556.
DOI：

闫秋艳, 司雨晴, 袁冠, et al. 基于学生-问题关联的异构图知识追踪模型[J]. Acta Electronica Sinica, 2023, (12): 3549-3556. DOI：

摘要

知识追踪旨在评估学习者的学习状态，并根据先前的答题情况预测他们未来的答题表现.然而现有的知识追踪模型大多仅关注问题或技能间的关联，忽略了学生与问题间的结构关系.为此我们提出了基于学生-问题关联的异构图知识追踪模型（Student-Problem association based heterogeneous graph Knowledge Tracing model

SPKT）.该模型在知识追踪中融合了学生的学习能力和问题的重要性，并使用图注意力网络学习学生问题间的关联，获得学生、问题的嵌入表示并进行知识状态的预测.通过在真实公开数据集上的性能对比和模型消融实验，并可视化SPKT模型的知识追踪效果，证明了SPKT在预测性能上优于现有的知识追踪模型.

Abstract

关键词

Keywords

references

Wu Zhengyang,Huang Li,Huang Qionghao,Huang Changqin,Tang Yong.SGKT: Session graph-based knowledge tracing for student performance prediction[J].Expert Systems With Applications,2022.

liu qi,Huang Zhenya,Yin Yu,Chen Enhong,Xiong Hui,Su Yu,Hu Guoping.EKT: Exercise-aware Knowledge Tracing for Student Performance Prediction[J].IEEE Transactions on Knowledge and Data Engineering,2019.

Xiao Wang,Houye Ji,Chuan Shi,Bai Wang,Peng Cui,P. Yu,Yanfang Ye.Heterogeneous Graph Attention Network.[J].CoRR,2019.

Chris Piech,Jonathan Spencer,Jonathan Huang,Surya Ganguli,Mehran Sahami,Leonidas J. Guibas,Jascha Sohl-Dickstein.Deep Knowledge Tracing.[J].CoRR,2015.

Albert T. Corbett,John R. Anderson.Knowledge tracing: Modeling the acquisition of procedural knowledge[J].User Modeling and User-Adapted Interaction,1995(4).

王炼红,罗志辉,林飞鹏,李潇瑶.采用多头注意力机制的C&RM-MAKT预测算法[J].电子学报,2023(05).

张暖,江波.学习者知识追踪研究进展综述[J].计算机科学,2021(04).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

⁰