| 面向大规模认知诊断的DINA模型快速计算方法研究 |
| |
| 作者姓名： | 王超 刘淇 陈恩红 黄振亚 朱天宇 苏喻 胡国平 |
| |
| 作者单位： | 1. 中国科学技术大学计算机科学与技术学院, 安徽合肥 230027;
2. 安徽大学计算机科学与技术学院, 安徽合肥 230039;
3. 科大讯飞股份有限公司, 安徽合肥 230088 |
| |
| 摘 要： | 在教育教学的过程中,如何诊断学生的知识水平是一个重要的问题.传统方法大多由教师根据学生的表现和成绩进行人工判断,存在效率低、主观性强的问题,且难以做到针对大量学生的个性化诊断.近年来,认知诊断模型中的DINA模型被广泛应用于诊断学生个性化知识掌握程度.然而传统DINA模型大多基于小样本数据,当面对在线教育带来的大规模数据处理需求时,存在收敛速度慢的问题,难以实际应用.针对DINA模型计算时间过长的问题,本文首先给出了DINA模型的收敛性证明,并提出了三种能够加速DINA求解的算法：（1）增量算法,它将学生数据划分为多个学生块,每次迭代只访问其中一个学生块;（2）最大熵方法,它只访问在极大化模型熵的过程中影响较大的学生数据;（3）基于前两者的混合方法.最后,本文通过真实数据和模拟数据上的实验,分析证明了三种方法均能在保证DINA模型有效性的情况下,达到几倍至几十倍的加速效果,有效地改善了DINA模型的计算效率.
|
| 关 键 词： | 教育数据挖掘 认知诊断 DINA模型 EM算法 加速收敛 |
| 收稿时间： | 2016-12-20 |
|
| 点击此处可从《电子学报》浏览原始摘要信息 |
|
点击此处可从《电子学报》下载全文 |
|
