计算机应用研究

作者：张维,李志新,龚中伟,罗佩华,宋玲玲,

单位：华中师范大学人工智能教育学部,武汉430079；

关键词：知识追踪,练习嵌入,学习和遗忘,关系图卷积网络,

基金：国家自然科学基金资助项目(62377024)；；

现有知识追踪模型大多以概念为中心评估学生的未来表现，忽略了包含相同概念的练习之间的差异，从而影响模型的预测准确性。此外，在构建学生知识状态过程中，现有模型未能充分利用学生在答题过程中的学习遗忘特征，导致对学生知识状态的刻画不够精确。针对以上问题，提出了一种练习嵌入和学习遗忘特征增强的知识追踪模型（exercise embeddings and learning-forgetting features boosted knowledge tracing，ELFBKT）。该模型利用练习概念二部图中的显性关系，深入计算二部图中的隐性关系，构建了一个练习概念异构关系图。为充分利用异构图中的丰富关系信息，ELFBKT模型引入了关系图卷积网络。通过该网络的处理，模型能够增强练习嵌入的质量，并以练习为中心更准确地预测学生的未来表现。此外，ELFBKT充分利用多种学习遗忘特征，构建了两个门控机制，分别针对学生的学习行为和遗忘行为进行建模，更精确地刻画学生的知识状态。在两个真实世界数据集上进行实验，结果表明ELFBKT在知识追踪任务上的性能优于其他模型。

来源：2024年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第11期