程序员经验分享-hwhale

知识追踪模型的应用

2023-05-16

背景 MOOC

近年来，随着在线学习系统在教育环境中越来越普及，在线学习人数越来越多，教育者不可能追踪每一个学习者的知识状态并提供个性化的学习指导；在线学习系统中的知识需要学习者通过各种冗余信息自我查找，导致学习资源和学习路径多样化但却不一定有效。

从教育研究的角度来看，在线学习系统提供了几个重要的优点，最显著的是留下学习者详细的学习轨迹，提供了调查不同轨迹下学习者行为效能的条件

跟踪的问题本质上

是做时间序列预测(sequence modeling, or sequence prediction)

目的：个性化推荐

为了解决上述问题，一个可以自动追踪学习者知识掌握情况的知识追踪模型对教育者和学习者都是必要的，因为它既可以向教育者

馈学习者知识掌握情况，让教育者更加了解每一个学习者，也可以推断学习者的知识弱点，向学习者推荐高效的学习路径和恰当的学习资源，从而做到因材施教

知识追踪模型

知识追踪模型是模拟学习者知识掌握情况的一个典型模型，由Atkinson 于1972 年首次提出，每个知识点由猜测率、学习率、失误率和学习知识之前的先验概率4 个参数组成（Pardos & Heffernan,2010），并由Crbett 和Anderson （1994） 引入智能教育领域，目前已经发展成为智能辅导系统中对学习者知识掌握情况建模的主流方法。

实际上知识追踪是一种特殊的隐马尔科夫模型（hidden markov model, HMM），每一个节点都通过条件概率表（conditional probability table,CPT） 来量化父节点对自身的影响

研究方向 

（一） 从知识层面分析知识追踪模型的教育应用 

单个知识点和多个知识点两个角度

多知识点的知识层级关系和知识拓扑顺序等知识组合问题

（二） 从学习者层面分析知识追踪模型的教育应用
学习者特性对模型预测精度有影响。在该研究层面也确定了可以提高预测精度的两类方法：模型本身包含的学习者参数特性和学习者学习参与特性

研究表明：

参数特性：赋予学习者不同的先验概率，模型精度不一样；学习过程可能会发生遗忘。（先验知识/学习速率/猜测概率/失误率/遗忘）

参与特性：情绪、态度和参与度

（三） 从数据层面分析知识追踪模型的教育应用

选择不同的数据类型（二进制数据或连续数据）、题目数量和学习者样本量来训练知识追踪模型会导致模型预测精度的差异，所以应该根据不同的需求选择包含需要的知识点维度和学习者维度的数据。不同维度的选取要有相关性，否则会导致数据处理时难以形成逻辑，更多的只能流于表面和片段式分析。 

（四）将知识追踪与其他模型组合应用

展望

知识追踪模型不仅仅应用在自动监督、自动评价和自动反馈等方面，还能向第二导师方向发展，真正实现教育领域的一对一、
个性化和自适应，为教学程序的改善和学习效果的增强寻求可行的途径。

存在疑问 

知识追踪与知识图谱 目前知识追踪只是判断学生的掌握程度以及下道题是否回答正确等 并没有推荐题目

参考资料：知识追踪模型在教育领域的应用：2008—2017 年相关研究的综述*

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

知识追踪模型的应用 的相关文章

随机推荐

  • 知识跟踪的深度知识跟踪和动态学生分类 Deep Knowledge Tracing and Dynamic Student Classification for Knowledge Tracing

    Deep Knowledge Tracing and Dynamic Student Classification for Knowledge Tracing xff08 译 xff09 知识跟踪的深度知识跟踪和动态学生分类 摘要 在智能辅

  • 知识追踪常见建模方法之IRT项目反应理论

    目录 A 项目反应理论 xff08 IRT item response theory xff09 概述 历史发展 特点 模型 A 项目反应理论 xff08 IRT item response theory xff09 概述 IRT理论即项目

  • MATLAB图像处理基本操作(1)

    matlib软件巨大 xff0c 没有安装 找了几个在线网址 http www compileonline com execute matlab online php https octave online net 从文件读取图像 a xf

  • Python学习系列之类的定义、构造函数 def __init__

    python def init self name等多参数 def init self 常见的两种类的定义方式如下 第一种 class Student def init self 两者之间的区别 self name 61 None self

  • ChatGPT，爆了！

    这段时间真是太刺激了 xff0c AI领域几乎每天都会爆出一个超震撼的产品 xff0c 有一种科幻马上要成现实的感觉 不知道大家朋友圈是什么样 xff0c 在整个创业的圈子里面 xff0c 几乎全是 AI 相关 就连 N 多年 xff0c

  • 分类回归模型评估常见方法及ROC AUC

    目录 模型评估常见方法 ROC和AUC定义 sklearn计算ROC具体实现 计算ROC需要知道的关键概念 1 分析数据 2 针对score xff0c 将数据排序 3 将截断点依次取为score值 3 1 截断点为0 1 sklearn

  • Coursera 吴恩达《Machine Learning》课堂笔记 + 作业

    记录一下最近学习的资源 xff0c 方便寻找 xff1a Github 上已经有人把作业整理成为 Python 的形式了 有 py 和 ipynb 两种格式 https github com nsoojin coursera ml py h

  • tensflow学习小知识tf.train.exponential_decay

    tf train exponential decay是tensflow1 X版本的2 版本使用以下语句 tf compat v1 train exponential decay 将指数衰减应用于学习率 tf compat v1 train

  • PyTorch学习系列之PyTorch：nn和PyTorch：optim优化

    PyTorch xff1a nn 在构建神经网络时 xff0c 我们经常考虑将计算分为几层 xff0c 其中一些层具有可学习的参数 xff0c 这些参数将在学习过程中进行优化 在TensorFlow xff0c 像包 Keras xff0c

  • tf.gather（）用法详解

    tf gather params indices validate indices 61 None axis 61 None batch dims 61 0 name 61 None 请注意 xff0c 在CPU上 xff0c 如果找到超出

  • 代码学习之Python冒号详解

    最近看代码发现对冒号用法理解不够透彻 xff0c 记录学习一下 xff1a 1 冒号的用法 1 1 一个冒号 a i j 这里的i指起始位置 xff0c 默认为0 xff1b j是终止位置 xff0c 默认为len a xff0c 在取出数

  • Jupyter Notebook导入和删除虚拟环境 超详细

    记录一下Jupyter Notebook导入和删除虚拟环境的步骤 xff0c 网上博客参差不齐 xff0c 每次找好几个才看到简明容易理解的 方法一步骤 为不同的环境配置kernel 有时候使用conda命令创建了新的python环境 xf

  • tf.expand_dims用法详解

    看官方讲解一些博客感觉一直不是很懂 xff0c 下面是我的个人理解结合官方文档 xff0c 有问题欢迎指出 tf expand dims tf expand dims input axis 61 None name 61 None dim

  • argparse 命令行选项、参数和子命令解析器

    最近看到很多论文代码都是用解析器写的 argparse 命令行选项 参数和子命令解析器 argparse 模块可以让人轻松编写用户友好的命令行接口 程序定义它需要的参数 xff0c 然后 argparse 将弄清如何从 sys argv 解

  • torch.unsqueeze和 torch.squeeze() 详解

    1 torch unsqueeze 详解 torch unsqueeze input dim out 61 None 作用 xff1a 扩展维度 返回一个新的张量 xff0c 对输入的既定位置插入维度 1 注意 xff1a 返回张量与输入张

  • Android中获取唯一的id

    文章目录 Android唯一设备ID现状IMEIMAC地址唯一Id实现方案那些硬件适合硬件标识工具类 Android唯一设备ID现状 设备ID xff0c 简单来说就是一串符号 xff08 或者数字 xff09 xff0c 映射现实中硬件设

  • debian虚拟机下如何安装增强功能

    1 安装gcc和kernel headers gcc有可能默认安装的有 xff08 如果没有还需要安装gcc xff09 xff0c 但是还需要安装build essential sudo apt get install build ess

  • PyTorch学习系统之 scatter() 函数详解 one hot 编码

    torch Tensor scatter scatter 和 scatter 的作用是一样的 xff0c 只不过 scatter 不会直接修改原来的 Tensor xff0c 而 scatter 会 torch Tensor scatter

  • 最新RNN相关模型

    最近在看最新RNN相关模型 找到很多论文 Fundamentals of Recurrent Neural Network RNN and Long Short Term Memory LSTM network 递归神经网络 xff08 R

  • 知识追踪模型的应用

    背景 MOOC 近年来 xff0c 随着在线学习系统在教育环境中越来越普及 xff0c 在线学习人数越来越多 xff0c 教育者不可能追踪每一个学习者的知识状态并提供个性化的学习指导 xff1b 在线学习系统中的知识需要学习者通过各种冗余信

热门标签