中国教育类核心期刊 CSSCI来源期刊 RCCSE中国权威学术期刊

杂志文章

您的位置:首页 >文章目录 >2022年第4期>

    人工智能支持下基于特征融合的深度知识追踪模型研究

    Research on Deep Knowledge Tracing Model Based on Feature Fusion Supported by AI

【作      者】:

李 振, 周东岱


【关 键 词 】:

深度知识追踪; 特征融合; 决策树; 知识传播机制; 长短期记忆神经网络


【栏      目】:

学习环境与资源


【中文摘要】:

精准评估学习者的知识状态是构建自适应学习系统的基石,也是智能教育时代推进个性化学习的根本前提。深度知识追踪模型作为知识状态建模的一种有效方法,已成为教育数据挖掘领域的研究焦点。然而,由于深度知识追踪模型未能将深度学习与领域特征充分融合,导致模型的预测效果不够精准。针对此问题,研究从特征融合的视角出发,提出一种融合测评行为和知识结构特征的深度知识追踪模型。在该模型实现过程中,首先依据xAPI标准对测评行为数据进行采集;然后,采用决策树算法对测评行为特征进行选择,并利用知识传播机制将知识结构融入模型;最后,基于长短期记忆神经网络对学习者的知识状态进行追踪。算法对比实验和实际教学应用效果表明,该模型具有有效性和实用性。该模型在助力核心素养导向的教育评价以及优化智慧学习环境中的智能导学等方面具有广阔的应用前景。


【英文摘要】:

网站首页 | 联系我们 | 意见建议| 杂志订阅| 管理部登录

版权所有 © 电化教育研究 CopyRight ©e-EDUCATION RESEARCH 2011-2018 电话:0931-7971823 地址:西北师范大学《电化教育研究》杂志社