知识追踪模型融入遗忘和数据量因素对预测精度的影响

发布时间：2021-07-21 03:16

　　近年来,在线学习的人越来越多,在在线教学过程中教育者需要同时面对更多学习者,不可能了解每一个学习者的知识弱点与问题领域,并据此为学习者提供个性化的学习指导。本研究的目的是及时、准确推断学习者的问题领域,让学习者清楚自身的知识弱点,让教育者更加了解每一个学习者的知识水平,让在线学习系统自动向学习者推荐高效的学习路径和恰当的学习资源。在实验中,分析对比了知识追踪模型及其扩展模型的预测精度,分析了扩展模型使用学习者的所有数据与每个学习者的部分数据的预测准确性差异。结果显示:知识追踪模型可以较好估计学习者知识掌握情况;知识追踪扩展模型的预测精度更好;模型使用学习者部分数据可以获得比使用全部数据更好的预测精度;在学习者学习过程中遗忘时时存在,扩展模型使用部分数据在加快运行进度的同时更有利于精确估计学习者知识水平进而推荐更有效的个性化学习资源与学习路径。 

【文章来源】：中国远程教育. 2019,(08)北大核心CSSCI

【文章页数】：7 页

【部分图文】：

在验证学习者学习过程遗忘参数存在的基础上更准确地反映学习者真实知识水图2数据集记录结构e

【参考文献】：
期刊论文
[1]基于贝叶斯知识跟踪模型的慕课学生评价[J]. 王卓,张铭.  中国科技论文. 2015(02)
[2]基于“态度”的知识追踪模型及集成技术[J]. 闾汉原,申麟,漆美.  徐州师范大学学报(自然科学版). 2011(04)



本文编号：3294192