摘要
知识追踪(KT)是根据学习者以前的学习记录预测其未来学习状况的技术.近年来,基于深度学习的知识追踪(DKT)发展迅速,旨在动态追踪学生学习状态进而为学生提供个性化的服务.然而,目前的研究忽略了练习题和知识点之间的复杂联系,为了解决这个问题,提出了一种基于细粒化矩阵的嵌入式知识追踪方法模型(FGM-DKT).从数据集中提取出了学习实体以及其中隐含关系的嵌入式表达,再将其引入到对学习者的知识建模过程中.在两个真实世界公开数据集上的实验结果表明,提出的FGM-DKT可以更准确地评估学生学习状态和知识点掌握程度,与现有知识追踪模型相比具有更高的预测能力.
基金项目
贵州省科技厅基础研究项目(黔科合基础-ZK[2022]一般197)
贵州省教育厅(黔教技[2022]047号)
贵州省高等学校智慧教育工程研究中心()
维普
万方数据