首页|融入动态技能学习时间分类的知识追踪模型

融入动态技能学习时间分类的知识追踪模型

扫码查看
原文链接
  • 万方数据
  • 维普
为解决当前DKT模型忽略学生实际答题时间带来的个体化差异问题,通过融入学生每个技能前后两次的答题时间,对学生技能学习的时间进行动态分组.同时,引入与原始DKT模型的损失函数相对应的重构正则化项,寻找学生答题时间个体化差异带来影响的最优解.在ASSISTments和Cognitive Tutor数据集上的对比实验证实AUC最高提升了10％的收益.
Knowledge Tracing Model Incorporating Dynamic Skill Learning Time Classification

宋刚、许晓东

展开 >

江苏大学计算机科学与通信工程学院 镇江 212000

深度学习 个性化学习 知识追踪 数据挖掘

2022

10.3969/j.issn.1672-9722.2022.04.032

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(4)
  • 19