摘 要: | 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。
|