迁移表征的知识追踪模型.pdfVIP

第19卷第4期智能系统学报Vol.19No.4

2024年7月CAAITransactionsonIntelligentSystemsJul.2024

DOI:10.11992/tis.202302002

网络出版地址:/urlid/23.1538.TP1615.013

迁移表征的知识追踪模型

张凯，刘月，覃正楚，秦心怡

（长江大学计算机科学学院,湖北荆州434023）

摘要：针对多数知识追踪研究在表征题目时仅利用了题目包含的概念等显性特征，未能考虑到题目中概念的

考察侧重程度这一隐性特征，也未表征迁移过程中题目的迁移程度的问题，本文提出题目迁移表征的知识追踪

模型。在题目侧重表征方面，采用加性注意力机制提取题目中各个概念的考察侧重程度；在题目迁移方面，利

用相似性和通道注意力机制融合建模历史题目多角度的迁移程度；在迁移遗忘方面，使用门限机制建模学习迁

移的遗忘过程。最终得到题目迁移表征，以此来预测学习者未来的答题表现。在实验阶段，与6种相关模型在

3个真实数据集上进行对比实验，结果表明提出模型的曲线下面积(areaunderthecurve,AUC)和准确率(accur-

acy,ACC)均有更好表现，尤其在ASSISTments2012数据集上表现最佳，相较于其他对比模型分别提升了

3.5%~20.1%和2.3%~18.5%；在可解释性方面，使用图表可视化描述了题目迁移表征生成路径。本研究建模的

学习迁移内在机制可为知识追踪模型的设计提供参考。

关键词：知识追踪；学习迁移机制；题目表征；题目迁移；序列模型；答题预测；注意力机制；门限机制

中图分类号：TP183文献标志码：A文章编号：1673−4785(2024)04−0974−09

中文引用格式：张凯,刘月,覃正楚,等.迁移表征的知识追踪模型[J].智能系统学报,2024,19(4):974–982.

英文引用格式：ZHANGKai,LIUYue,QINZhengchu,etal.Knowledgetracingmodelviaexercisetransferrepresentation[J].

CAAItransactionsonintelligentsystems,2024,19(4):974–982.

Knowledgetracingmodelviaexercisetransferrepresentation

ZHANGKai，LIUYue，QINZhengchu，QINXinyi

(SchoolofComputerScience,YangtzeUniversity,Jingzhou434023,China)

Abstract:Inmostknowledgetracingresearch,therepresentationofquestionstypicallyreliessolelyonexplicitfeatures

suchastheconceptscontainedwithinthequestions,neglectingtheimplicitfeatureoftheemphasislevelonconcepts

andfailingtocharacterizethedegreeofquestiontransferduringthetransferprocess.Th