动态调整用户认知负荷的智能增强现实系统

把认知负荷测量技术集成进空间增强现实系统,提出动态调整用户认知负荷水平的智能空间增强现实系统（ISARS）系统。ISARS的目标是对用户在进行任务时的认知状态进行实时监测,并根据用户认知状态动态调整空间增强现实系统的增强信息,以使用户处于最佳工作状态并提高工作效率和保证工作质量。ISARS包含两个子系统：空间增强现实（SAR）子系统和认知负荷度量（CLM）子系统,SAR子系统把不同的增强信息投影到物体物理表面。CLM子系统对用户在工作过程中的认知负荷进行度量。实验结果表明,ISARS能够根据用户当前认知负荷水平对任务相关的要素进行自适应调整以更好适合用户实际工作能力,从而提高用户工作效率。     

基于多层注意力网络的可解释认知追踪方法

认知追踪是一种数据驱动的学习主体建模技术,旨在根据学生历史答题数据预测其知识掌握状态或未来答题表现.近年来,在深度学习算法的加持下,深度认知追踪成为当前该领域的研究热点.针对深度认知追踪模型普遍存在黑箱属性,决策过程或结果缺乏可解释性,难以提供学习归因分析、错因追溯等高价值教育服务等问题,提出一种基于多层注意力网络的认知追踪模型.通过挖掘题目之间多维度、深层次的语义关联信息,建立一种包含题目元素、语义和记录等3层注意力的网络结构,利用图注意神经网络和自注意力机制等对题目进行嵌入表示、语义融合和记录检索.特别是在损失函数中引入提升模型可解释性的正则化项与权衡因子,实现对模型预测性能与可解释强度的调控.同时,定义了预测结果可解释性度量指标——保真度,实现对认知追踪模型可解释性的量化评估.最后,在6个领域基准数据集上的实验结果表明:该方法有效提升了模型的可解释性.