LFKT:学习与遗忘融合的深度知识追踪模型
https://dl.ccf.org.cn/file_server/20210506/159_226_43_3/RJXB21-03/0c67a7a270e54eab880ba55e51edf8fc.jpg
知识追踪任务旨在根据学生历史学习行为实时追踪学生知识水平变化,并且预测学生在未来学习表现.在学生学习过程中,学习行为与遗忘行为相互交织,学生的遗忘行为对知识追踪影响很大.为了准确建模知识追踪中学习与遗忘行为,提出一种兼顾学习与遗忘行为的深度知识追踪模型LFKT (learning and forgetting behavior modeling for knowledge tracing).LFKT模型综合考虑了4个影响知识遗忘因素,包括学生重复学习知识点的间隔时间、重复学习知识点的次数、顺序学习间隔时间以及学生对于知识点的掌握程度.结合遗忘因素,LFKT采用深度神经网络,利用学生答题结果作为知识追踪过程中知识掌握程度的间接反馈,建模融合学习与遗忘行为的知识追踪模型.通过在真实在线教育数据集上的实验,与当前知识追踪模型相比,LFKT可以更好地追踪学生知识掌握状态,并具有较好的预测性能.
<<< 上一篇
课程资源的融合知识图谱多任务特征推荐算法
<<< 下一篇 教育大数据可视化研究综述
读完这篇文章后,您心情如何?
推荐内容
More >>>- · 大会主题确定,期待在横店有新突破 | CNCC202
- · 团报倒计时5天,YEF2024宁波智启新局,等你启
- · CSP高分说 | 武汉大学刘锡锐:CSP认证的特点
- · “CCF终身成就奖”获得者、中国科学院院士张
- · 风头正劲!CCF大模型论坛(FoLM)正式成立,撬
- · 聚焦CCDE2024 | 智能建造专题会议:智能建造
- · “CCF终身成就奖”获得者、中国科学院院士张
- · 聚焦CCDE2024丨数字金融专题会议在苏州举行
- · 要素革新,乘数前行|CCDE2024“数据要素X”
- · CSP高分说 | 南京大学吴轲:回首与CCF相伴的
- · CNCC近期咨询热点问题解答,你想知道的都在这
所有评论仅代表网友意见