融合学习过程特征的深度知识追踪方法

在线学习已成为学习者获取知识的重要途径，准 确 和 及 时 了 解 在 线 学 习 者 的 知 识 状 态，并 提供个性化的在线学习支持服务，已成为智能教 育 领 域 的 研 究 热 点。针对现有知识追踪方法 仅 对学习结果进行建 模，鲜有对学习过程特征挖掘建模的研究现状，首 先，从 Ｐｏｓｔ－ｈｏｃ视 角 利 用 ＢＯＲＵＴＡ 特征选择模型挖掘在线学习过程中的多维特征；然后，在 ＤＫＶＭＮ 模 型 基 础 上 构 造 多 维特征网络，设计融合学习过程特征的深度知识追踪模型；最 后，提出深度知识追踪优化方法 ＤＫＶＭＮ－ＢＯＲＵＴＡ。研究结果表明：在公共数据集和实际教学环境的实验条件下，深 度 知 识 追 踪优化方法在 ＡＵＣ评价指标上优 于 传 统 深 度 知 识 追 踪 方 法，证 明 所 提 方 法 具 有 较 好 的 预 测 和 服务效果。