基于多特征提取的时间卷积知识追踪模型

摘要：

知识追踪(Knowledge Tracing,KT)是教育数据挖掘领域中的关键技术,其通过利用学生的历史学习记录来预测学生下一次的作答表现.针对基于时间卷积网络(TCN)的深度知识追踪模型存在的只使用学生答题序列和答题结果,而忽略学生其他行为特征的问题,本文提出一种基于多特征提取的时间卷积知识追踪模型TKT-PCA.使用时间卷积网络和主成分分析(Principal Component Analysis,PCA)方法自动提取多种学生作答行为中的隐藏特征并学习它们的表示,不仅降低了特征维度减少冗余信息,还充分评估了学生的知识掌握情况.实验结果表明,与其他知识追踪基线模型相比,TKT-PCA有更好的预测性能.

关键词：深度学习、知识追踪、时间卷积网络、教育数据挖掘、智能教育

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广州市大数据智能教育重点实验室项目

在线出版日期：2023-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：25-29,42