教育大数据中认知跟踪模型研究进展

发布时间：2023-08-01 20:19

　　教育信息化的不断推进和在线教育的蓬勃发展产生了海量的教育数据,如何挖掘和分析教育大数据成为了教育领域和大数据知识工程领域亟待解决的问题.认知跟踪模型通过获取学生作答习题的得分表现,追踪学生随时间变化的认知状态,从而预测学生在未来时间的作答表现.对教育大数据中认知跟踪模型进行了回顾、分析和展望.首先从模型的原理、步骤和方法等维度详细介绍了认知跟踪模型,包括基于贝叶斯方法和深度学习方法2类认知跟踪模型.同时,从学生作答表现预测、认知状态评估、心理因素分析、习题序列分析和编程练习5个方面阐述认知跟踪模型的应用情景.最后,以经典的贝叶斯认知跟踪模型和深度认知跟踪模型为例分析了2类模型的优缺点,并探讨和展望认知跟踪模型未来可能的研究方向.

【文章页数】：24 页

【文章目录】：
1 相关工作
    1.1 教育数据挖掘
    1.2 认知诊断模型概述
    1.3 认知跟踪模型概述
        1.3.1 问题背景
        1.3.2 模型的评价指标
        1.3.3 公开数据集
    1.4 本文与现有综述的区别
2 基于贝叶斯方法的认知跟踪模型
    2.1 BKT模型
    2.2 BKT模型的分析
        2.2.1 BKT模型的参数分析
        2.2.2 BKT模型的识别性问题和模型退化问题
        2.2.3 BKT模型的数据分析
    2.3 BKT的扩展
        2.3.1 结合教育数据特征的扩展模型
            1) 结合个性化特征的扩展模型
            2) 结合通用特征的扩展模型
        2.3.2 混合方法扩展模型
    2.4 开发工具与公开源码
3 基于深度学习方法的认知跟踪模型
    3.1 DKT模型
    3.2 DKT扩展模型
        3.2.1 结合教育数据特征扩展模型
        3.2.2 混合模型
    3.3 基于深度学习方法的其他模型
4 认知跟踪模型的应用
    4.1 作答表现预测
    4.2 认知状态评估
    4.3 心理因素分析
    4.4 习题序列研究
    4.5 编程练习中的认知跟踪
5 比较、分析与展望
    5.1 BKT与DKT的比较
    5.2 分析与展望
6 总 结



本文编号：3838293