基于知识追踪的智适应学习系统的设计与实现

发布时间：2024-06-29 00:34

　　智适应学习系统通过知识追踪建立学习者模型,并结合领域知识模型和测评算法,对学习者掌握知识点的情况进行有效测评及能力预测,以达到知识追踪效果,从而个性化学习服务以提高学习效率,被称为人工智能时代的教育革命。针对智适应学习系统中,缺乏充足学习者数据所导致的深度知识追踪冷启动问题,和教研经验对知识内容的掌握尚未充分融入到测评与推荐算法中的问题,本文利用深度学习和图关联规则算法设计思想,结合已有的深度知识追踪模型,提出了图规则-深度知识追踪(Graph Rule-Deep Knowledge Tracing,GR-DKT)模型,对学习者进行知识追踪。GR-DKT针对领域知识的结构特征,引入了用于冷启动阶段的项目反应理论(Item Response Theory,IRT)模型,构建出了基于知识结构树和基于知识图谱的领域知识模型,然后提出了基于知识图谱的关联规则进行动态测评与推荐的图规则(Graph Rule,GR)冷启动算法,并且融入了基于深度学习的DKT-plus深度知识追踪学习者模型以测评学习者的长期表现能力。GR-DKT根据时间维度进行多模型融合,根据数据维度和评估效果维度进行实际应用场景...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要工作
    1.4 本文组织结构
2 智适应学习系统相关理论与技术研究
    2.1 智适应学习系统简介
    2.2 知识图谱与领域知识模型
        2.2.1 知识图谱在领域知识模型中的应用
        2.2.2 领域知识模型构建示例
    2.3 基于知识追踪的学习者模型
        2.3.1 项目反应理论及模型应用
        2.3.2 贝叶斯知识追踪及模型应用
        2.3.3 深度知识追踪及模型应用
    2.4 深度学习的发展与应用
3 智适应学习系统的需求分析与概要设计
    3.1 智适应学习系统的需求分析
        3.1.1 功能需求分析
        3.1.2 非功能需求分析
        3.1.3 技术选型
    3.2 智适应学习系统的概要设计
        3.2.1 总体架构设计
        3.2.2 总体功能模块设计
        3.2.3 数据库设计
4 智适应学习系统的详细设计与实现
    4.1 基于知识追踪的GR-DKT模型设计
    4.2 领域知识模型的设计与实现
        4.2.1 领域知识的树状结构库的设计与实现
        4.2.2 细粒度知识点层级知识图谱的设计与实现
        4.2.3 知识点与习题关联规则库的解析设计与实现
    4.3 动态测评与推荐GR算法设计与实现
    4.4 冷启动阶段的IRT学习者模型
    4.5 基于LSTM的 DKT-plus深度知识追踪学习者模型
        4.5.1 学习者数据的预处理及编码
        4.5.2 LSTM神经网络模型
        4.5.3 DKT-plus的输出及参数设置
    4.6 功能模块及与模型的有效结合的详细设计与实现
        4.6.1 智学习模块
        4.6.2 智学情模块
        4.6.3 课程资源模块
        4.6.4 个人中心模块
5 智适应学习系统的功能测试与效果评估
    5.1 智适应学习系统的功能测试
    5.2 GR-DKT模型的效果评估
        5.2.1 实验数据集
        5.2.2 GR冷启动算法效果验证
        5.2.3 GR-DKT模型效果验证
    5.3 多知识追踪模型对比分析
    5.4 讨论与展望
结论
参考文献
致谢



本文编号：3996894