习题的关联分析及其向量化表示方法

• 作者: 赵向军 路梅 郭娜
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 题向量 题向量化模型 知识推动 教育智能
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1950-1957
• 页数: 8页
• 分类号: TP391
• 字数: 6275字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.10.026

摘要

随着互联网+教育的深度融合以及移动终端上电子习题的推广使用,学生的学习过程数据可以被实时获取,充分利用这些过程数据,及时定位学生的知识病灶,开具有针对性的辅导处方,实现知识的按需推送,对于减轻学生的简单重复劳动,提高学习效率将会产生积极影响.试图通过分析在线习题系统的答题数据,发现学生的知识掌握规律,根据错题的伴生状况捕获习题的相关性.为此,构建了题向量化模型,提出了题向量表示的新方法,设计了负采样训练算法,并用程序实现了上述算法.经过实际在线系统的相关数据训练,获得了相应题向量,而后利用题向量的向量运算,可方便查找相同习题、相同知识点习题以及相近知识点习题等,可根据学生错题个案,推断其知识掌握的其他薄弱环节.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵向军	江苏师范大学计算机科学与技术学院	9	39	3.0	6.0
2	路梅	江苏师范大学计算机科学与技术学院	4	4	1.0	2.0
3	郭娜	江苏师范大学计算机科学与技术学院	3	1	1.0	1.0