個(gè)性化學(xué)習(xí)旨在根據(jù)學(xué)習(xí)者個(gè)體的認(rèn)知水平、學(xué)習(xí)能力等,選擇合適的學(xué)習(xí)資源與學(xué)習(xí)方式,使其彌補(bǔ)知識(shí)不足,獲得最佳發(fā)展。近年來(lái),在線學(xué)習(xí)系統(tǒng)的快速發(fā)展,不僅打破了傳統(tǒng)課堂學(xué)習(xí)的時(shí)空約束,還提供了豐富的學(xué)習(xí)資源,吸引了越來(lái)越多的學(xué)習(xí)者,留下了大量的學(xué)習(xí)數(shù)據(jù)。這些學(xué)習(xí)數(shù)據(jù)蘊(yùn)含著巨大的科學(xué)及市場(chǎng)價(jià)值,為實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的個(gè)性化學(xué)習(xí)服務(wù),提供了有力的支撐。因此,如何利用數(shù)據(jù)挖掘等技術(shù)對(duì)學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)進(jìn)行理解、分析,實(shí)踐個(gè)性化學(xué)習(xí),已經(jīng)成為計(jì)算機(jī)及相關(guān)交叉學(xué)科的研究熱點(diǎn)。現(xiàn)階段,盡管基于認(rèn)知心理學(xué)等理論的相關(guān)方法已取得了一定的成效,但在線場(chǎng)景中的個(gè)性化學(xué)習(xí)研究人面臨著學(xué)習(xí)資源表征苦難、學(xué)習(xí)過(guò)程復(fù)雜易變以及學(xué)習(xí)策略難以量化等挑戰(zhàn)。為此,本文系統(tǒng)性地開(kāi)展了面向個(gè)性化學(xué)習(xí)的數(shù)據(jù)挖掘方法及應(yīng)用的探索性研究工作。具體地,針對(duì)練習(xí)題對(duì)象,提出了練習(xí)資源的深度表征方法,并在語(yǔ)言類和邏輯類兩類典型練習(xí)題目的應(yīng)用中進(jìn)行驗(yàn)證;針對(duì)學(xué)生對(duì)象,分別提出了融合學(xué)習(xí)因素的知識(shí)跟蹤方法和融合題目語(yǔ)義的知識(shí)跟蹤模型;針對(duì)學(xué)習(xí)策略對(duì)象,提出了基于多目標(biāo)學(xué)習(xí)的個(gè)性化推薦方法,提高學(xué)生學(xué)習(xí)效率。本文的研究工作依托于科大訊飛開(kāi)發(fā)的國(guó)內(nèi)領(lǐng)先的在線... 

【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：163 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖２．２?—層卷積神經(jīng)網(wǎng)絡(luò)示意圖：藍(lán)色部分表示卷積操作，紅色部分表示池化操作??

?———???加法??練習(xí)題??知識(shí)點(diǎn)???約分卜?＿？通分??加法?減法：乘法?通分?約分?；＇、、，，／??練習(xí)趣１?１?０?０?０?０?乘法？丨??／Ｖ?分式化＊??—??????＿Ｊ?ｔ?Ｖ??練習(xí)題?２?１０?１０?０?＊????．一－．．．．???■洧位相減?Ｖ?分式拆分??練習(xí)題３＿０?°?１?１?°＿?＾??（ａ）練習(xí)－知識(shí)Ｑ矩陣樣例?（ｂ）?ＤＩＮＡ診斷結(jié)果樣例??圖２．４認(rèn)知診斷相關(guān)知識(shí)樣例??不同的特征，則反映出學(xué)生的知識(shí)能力也是不同。項(xiàng)目反映理論僅關(guān)注學(xué)生在宏??觀層次的能力水平（即士可視為學(xué)生的一種綜合能力），然而在實(shí)際應(yīng)用中，由??于練習(xí)題測(cè)量知識(shí)范圍（如函數(shù)、幾何等）的不同，導(dǎo)致項(xiàng)目反映理論的評(píng)估結(jié)??果難以刻畫學(xué)生微觀層面（即不同知識(shí)點(diǎn)）上的能力水平。??２．３．２認(rèn)知診斷分析??認(rèn)知診斷理論是新一代測(cè)量理論的代表，其目的是能夠?qū)W(xué)生個(gè)體微觀知??識(shí)層面進(jìn)行評(píng)估分析，即得到學(xué)生在不同知識(shí)范圍（如函數(shù)、幾何等）上的學(xué)習(xí)??水平。相關(guān)研究中，最具有代表性的模型是確定性技能診斷模型（Ｄｅｔｅｒｍｉｎｉｓｔｉｃ??Ｉｎｐｕｔ，Ｎｏｉｓｙ?Ａｎｄ?ｇａｔｅ，?ＤＩＮＡ）?ｌ６３ｊ。ＤＩＮＡ模型引入了練習(xí)－知識(shí)矩陣，稱為Ｑ矩陣，??該矩陣定義每一個(gè)練習(xí)題的知識(shí)范圍，由一組顯示的知識(shí)／技能表示。圖２．４（ａ）展??示了一個(gè)Ｑ矩陣的樣例，其中可以看出練習(xí)題２考察了?“加法”和“乘法”兩個(gè)知??識(shí)點(diǎn)。在實(shí)際應(yīng)用中，Ｑ矩陣通常由教育學(xué)專家（如教師）進(jìn)行標(biāo)注。在ＤＩＮＡ??模型中，學(xué)生由一個(gè)二元離散向量所表示

?第２章研究現(xiàn)狀與基礎(chǔ)知識(shí)???Ｐ（Ｌ）—??Ｐ（Ｇ）Ｐ（Ｓ）?Ｐ（Ｇ）?Ｐ（Ｓ）?Ｐ（Ｇ）?Ｐ（Ｓ）??ＪＬ?Ｊｒ??（＾０＾）?（＾ｗ）??圖２．Ｓ貝葉斯知識(shí)跟蹤模型：灰色圈表示觀測(cè)變量，白色圈表示隱變量??示學(xué)生未經(jīng)過(guò)學(xué)習(xí)時(shí)對(duì)知識(shí)欠的先驗(yàn)，（２）學(xué)習(xí)參數(shù)戶（乃建模學(xué)生知識(shí)狀態(tài)的??轉(zhuǎn)移概率，（３）猜測(cè)參數(shù)Ｐ（Ｇ）表示學(xué)生未掌握該知識(shí)的情況下仍然答對(duì)練習(xí)的??概率，（４）失誤參數(shù)尸（力表示學(xué)生掌握該知識(shí)的情況下仍然答錯(cuò)練習(xí)的概率。??經(jīng)典的ＢＫＴ模型具有較強(qiáng)的假設(shè)。它認(rèn)為學(xué)生的知識(shí)學(xué)習(xí)過(guò)程是不會(huì)遺忘??的，即學(xué)生的知識(shí)變化是一個(gè)只增不減的狀態(tài)，因此當(dāng)學(xué)生對(duì)于改知識(shí)掌握概??率達(dá)到〗（完全掌握）時(shí)，將永遠(yuǎn)處于掌握狀態(tài)，為了克服這種不足，Ｎｅｄｕｎｇａｄｉ??等人將學(xué)習(xí)參數(shù)ｐ（ｒ）分為兩個(gè)部分，即學(xué)習(xí)部分和遺忘部分，改進(jìn)了傳統(tǒng)??ＢＫＴ模型。進(jìn)一步，大量研究通過(guò)加人外部學(xué)習(xí)因素，如難度因素［６６］、學(xué)生個(gè)??性因素［６８＇８１］、知識(shí)層級(jí)結(jié)構(gòu)［６７］等，提高ＢＫＴ模型的建模能力。??傳統(tǒng)ＢＫＴ模型只能建模學(xué)生在單個(gè)知識(shí)上的學(xué)習(xí)情況，因此，它通常將學(xué)??生對(duì)于多個(gè)知識(shí)的學(xué)習(xí)過(guò)程視為多個(gè)離散過(guò)程。為了能夠聯(lián)合跟蹤學(xué)生在多個(gè)??知識(shí)上的學(xué)習(xí)狀態(tài)，研究者利用章節(jié)２．２．１中所述的循環(huán)神經(jīng)網(wǎng)絡(luò)模型建模學(xué)生??學(xué)習(xí)記錄，從而提出了深度知識(shí)追蹤模型（Ｄｅｅｐ?Ｋｎｏｗｌｅｄｇｅ?Ｔｒａｃｉｎｇ，ＤＫＴ）?［８２］。??相較于ＢＫＴ模型，ＤＫＴ具有如下優(yōu)勢(shì)：一是它打破了知識(shí)之間的獨(dú)立性，在隱??空間中建模了學(xué)生多個(gè)知識(shí)點(diǎn)的綜合狀態(tài)，具有更強(qiáng)的語(yǔ)義表達(dá)能力。二是它不??再局限于一介馬爾科夫性質(zhì)（即學(xué)生當(dāng)前的知識(shí)狀態(tài)僅與其上

【參考文獻(xiàn)】：
期刊論文
[1]智慧教育研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 鄭慶華,董博,錢步月,田鋒,魏筆凡,張未展,劉均.  計(jì)算機(jī)研究與發(fā)展. 2019(01)
[2]面向大規(guī)模認(rèn)知診斷的DINA模型快速計(jì)算方法研究[J]. 王超,劉淇,陳恩紅,黃振亞,朱天宇,蘇喻,胡國(guó)平.  電子學(xué)報(bào). 2018(05)
[3]試題知識(shí)點(diǎn)預(yù)測(cè):一種教研知識(shí)強(qiáng)化的卷積神經(jīng)網(wǎng)絡(luò)模型[J]. 胡國(guó)平,張丹,蘇喻,劉青文,李佳,王瑞.  中文信息學(xué)報(bào). 2018(05)
[4]面向在線智慧學(xué)習(xí)的教育數(shù)據(jù)挖掘技術(shù)研究[J]. 劉淇,陳恩紅,朱天宇,黃振亞,吳潤(rùn)澤,蘇喻,胡國(guó)平.  模式識(shí)別與人工智能. 2018(01)
[5]“互聯(lián)網(wǎng)+”時(shí)代中國(guó)遠(yuǎn)程教育的機(jī)遇和挑戰(zhàn)[J]. 陳麗,林世員,鄭勤華.  現(xiàn)代遠(yuǎn)程教育研究. 2016(01)



本文編號(hào)：3388737