文献类型：期刊文章

作　　者：李晓光[1] 魏思齐[1] 张昕[1] 杜岳峰[1] 于戈[2]

LI Xiao-Guang;WEI Si-Qi;ZHANG Xin;DU Yue-Feng;YU Ge(College of Information,Liaoning University,Shenyang 110036,China;School of Computer Science and Engineering,Northeastern University,Shenyang 110163,China)

机构地区：[1]辽宁大学信息学院,辽宁沈阳110036 [2]东北大学计算机科学与工程学院,辽宁沈阳110163

出　　处：《软件学报》

基　　金：国家自然科学基金(U1811261)。

年　　份：2021

卷　　号：32

期　　号：3

起止页码：818-830

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：知识追踪任务旨在根据学生历史学习行为实时追踪学生知识水平变化,并且预测学生在未来学习表现.在学生学习过程中,学习行为与遗忘行为相互交织,学生的遗忘行为对知识追踪影响很大.为了准确建模知识追踪中学习与遗忘行为,提出一种兼顾学习与遗忘行为的深度知识追踪模型LFKT(learning and forgetting behavior modeling for knowledge tracing).LFKT模型综合考虑了4个影响知识遗忘因素,包括学生重复学习知识点的间隔时间、重复学习知识点的次数、顺序学习间隔时间以及学生对于知识点的掌握程度.结合遗忘因素,LFKT采用深度神经网络,利用学生答题结果作为知识追踪过程中知识掌握程度的间接反馈,建模融合学习与遗忘行为的知识追踪模型.通过在真实在线教育数据集上的实验,与当前知识追踪模型相比,LFKT可以更好地追踪学生知识掌握状态,并具有较好的预测性能.

关 键 词：智慧教育 知识追踪  深度神经网络  学习行为  遗忘行为  

分 类 号：TP181]