计算机应用研究

作者：王长青,张蕾,张振国,

单位：1.哈尔滨工程大学计算机科学与技术学院,哈尔滨150001；2.延边大学计算机科学与技术学科,吉林延吉133002；

关键词：智慧教育,知识追踪,辅助任务,注意力机制,

基金：吉林省教育科学“十四五”规划2023年度一般课题资助项目(GH23513)；；

知识追踪是实现智慧教育的有效手段，它通过评估学生学习状况帮助学生及时调整学习策略。现有的知识追踪方法在处理习题和知识概念间的内在关系及获取学生个性化知识水平等方面仍有不足，针对这一问题，提出一种辅助任务增强的知识追踪方法（auxiliary task-enhanced knowledge tracing，ATEKT）。首先，采用分组计算法、频数计算法等对习题难度、习题区分度、相关知识点习题的作答次数信息进行计算，得到其嵌入表示；其次，构建习题标记预测任务和先验知识预测任务，动态评估习题和知识点之间的关系，并从历史答题记录中估计学生的个性化知识水平；最后，将辅助任务优化过程中学到的特征用于增强知识追踪模型预测。在ASSIST2009、ASSIST2017、EdNet三个公开数据集上与七个知识追踪模型进行性能对比，其AUC和ACC分别提升了2.4%~15.5%以及2.0%~9.9%。实验结果表明，该方法能够有效地提取与知识追踪任务相关的信息，且其在性能方面表现更加优越。同时，消融实验也证明了不同辅助任务的有效性。

来源：2025年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第7期