融合学习过程特征的深度知识追踪方法

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。