基于掌握速度的知识追踪模型

• 作者: 宗晓萍 陶泽泽
• 来源期刊: 计算机工程与应用
• 关键词: 教育数据挖掘 知识追踪 深度学习 个性化推荐 记忆增强神经网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 117-123
• 页数: 7页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1912-0276

摘要

知识追踪(Knowledge Tracing,KT)是教育数据挖掘领域的研究热点.KT能够自动发现学生的薄弱知识点,向学生推荐最佳的学习路径和练习题.针对现有的KT模型只适用于对单个知识点建模并没有考虑学生掌握知识点快慢的问题.提出了一种基于掌握速度的知识追踪模型(Mastery Speed Knowledge Tracing,MSKT),MSKT采用了记忆增强神经网络(Memory Augmented Neural Network,MANN)的思想和动态键值记忆网络模型(Dynamic Key-Value Memory Networks,DKVMN)的优点,并且在计算删除向量和增加向量时,使用了当前的记忆内容.通过对比实验验证了MSKT模型的有效性和优越性,并且可以自动地发现相似练习题.