基于深度学习的知识追踪研究进展

• 作者: 刘铁园 陈威 常亮 古天龙
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 教育数据挖掘 深度学习 知识追踪 循环神经网络 人工智能辅助教育
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 81-104
• 页数: 24页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7544/issn1000-1239.20200848

摘要

知识追踪是教育数据挖掘领域的一个重要研究方向,其目标是通过建立学生知识状态随时间变化的模型,来判断学生对知识的掌握程度并从学生的学习轨迹中挖掘出潜在的学习规律,从而提供个性化的指导,达到人工智能辅助教育的目的 .深度学习因其强大的特征提取能力,已被证明能显著提升知识追踪模型的性能而越来越受到各方重视.以最基本的深度知识追踪模型为起点,全面回顾了该研究领域的研究进展,给出了该研究领域技术改进、演化脉络图,并从针对可解释问题的改进、针对长期依赖问题的改进、针对缺少学习特征问题的改进3个主要技术改进方向做了深入阐述和比较分析,同时对该领域中的已有模型做了归类,整理了可供研究者使用的公开数据集,考察了其主要应用,最后,对基于深度学习的知识追踪的未来研究方向进行了展望.