近年來,在線學(xué)習(xí)系統(tǒng)越來越普及,教育者在線教學(xué)的過程中需要同時(shí)面對(duì)的學(xué)習(xí)者越來越多,追蹤每個(gè)學(xué)習(xí)者的知識(shí)狀態(tài)并提供個(gè)性化的學(xué)習(xí)指導(dǎo)成為巨大的挑戰(zhàn)。另一方面,在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者是通過各種冗余信息自我查找知識(shí),導(dǎo)致學(xué)習(xí)資源和學(xué)習(xí)路徑的選擇多樣化卻不一定有效。為了解決教育者和學(xué)習(xí)者面臨的上述問題,引入知識(shí)追蹤模型自動(dòng)追蹤學(xué)習(xí)者學(xué)習(xí)過程既可以向教育者反饋學(xué)習(xí)者知識(shí)掌握情況,讓教育者更了解每個(gè)學(xué)習(xí)者;也可以推斷學(xué)習(xí)者的知識(shí)弱點(diǎn),向?qū)W習(xí)者推薦合適的學(xué)習(xí)路徑和學(xué)習(xí)資源。本研究通過2008—2018年相關(guān)文獻(xiàn)的內(nèi)容分析,梳理了知識(shí)追蹤模型的發(fā)展和存在的問題,并從學(xué)習(xí)者、數(shù)據(jù)兩個(gè)層面歸納模型在預(yù)測精度、教學(xué)應(yīng)用存在的問題。在此基礎(chǔ)上,以KDD Cup 2010教育比賽數(shù)據(jù)集為載體,實(shí)施改進(jìn)知識(shí)追蹤模型的數(shù)據(jù)建模和具體應(yīng)用分析。首先構(gòu)建遺忘知識(shí)追蹤模型對(duì)比分析其和原始知識(shí)追蹤模型的預(yù)測精度,探索遺忘知識(shí)追蹤模型使用學(xué)習(xí)者所有數(shù)據(jù)與部分?jǐn)?shù)據(jù)的預(yù)測準(zhǔn)確性差異;其次基于學(xué)習(xí)者初始概率和學(xué)習(xí)概率不同構(gòu)建個(gè)性化知識(shí)追蹤模型追蹤學(xué)習(xí)者的學(xué)習(xí)差異;然后根據(jù)不同分段依據(jù)構(gòu)建分段個(gè)性化知識(shí)追蹤模型對(duì)不同分段學(xué)習(xí)者學(xué)習(xí)參數(shù)... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

數(shù)據(jù)集記錄結(jié)構(gòu)

據(jù)集1后部分 中 0.3 0.7 1 0.81據(jù)集1后部分 高 0.45 0.7 1 0.835據(jù)集2后部分 低 0.1 0.8 1 0.82據(jù)集2后部分 中 0.25 0.8 1 0.85據(jù)集2后部分 高 0.4 0.8 1 0.88注：計(jì)算公式：P(L1)= P(L0)+((1-P(L0))*P(T)*t).3 學(xué)習(xí)者平均知識(shí)掌握與對(duì)應(yīng)預(yù)測精度分析在前文驗(yàn)證了對(duì)于知識(shí)追蹤模型改進(jìn)的有效性基礎(chǔ)上，在文章這一小節(jié)測精度更好的個(gè)性化知識(shí)追蹤模型分析數(shù)據(jù)集 1、2 中學(xué)習(xí)者做不同題量時(shí)平均知識(shí)掌握概率及其對(duì)應(yīng)預(yù)測精度 AUC。具體結(jié)果如圖 4-1 和圖 4-2 所這兩個(gè)圖中，很容易發(fā)現(xiàn)隨著學(xué)習(xí)者做題量的變化個(gè)性化知識(shí)追蹤模型預(yù)習(xí)者知識(shí)掌握和模型預(yù)測精度也在浮動(dòng)變化。特別是當(dāng)答題數(shù)據(jù)足夠長時(shí)知識(shí)追蹤模型可以更好區(qū)分這兩種性能，隨著做題量的變化學(xué)習(xí)者知識(shí)掌型預(yù)測精度的曲線符合學(xué)習(xí)者學(xué)習(xí)規(guī)律和模型預(yù)測時(shí)效，因此認(rèn)為在這兩集上個(gè)性化知識(shí)追蹤模型給出的學(xué)習(xí)者認(rèn)知診斷結(jié)果是合理的。

4-2 數(shù)據(jù)集 2 中學(xué)習(xí)者不同做題量時(shí)的平均知識(shí)掌握率與預(yù)測精度的對(duì)應(yīng)變化趨勢ure 4-2. The corresponding trend of the average knowledge mastery rate and predictiaccuracy of the data set 2 learners when they are different in the amount of questions 各分段學(xué)習(xí)者平均知識(shí)掌握分析在文章這一小節(jié)應(yīng)用預(yù)測精度更好的分段個(gè)性化知識(shí)追蹤模型分析數(shù)據(jù)集各分段學(xué)習(xí)者做不同題量時(shí)得出的平均知識(shí)掌握概率。具體結(jié)果如圖 4-3 和示，從這兩個(gè)圖中，可以看出低分段和中分段的學(xué)習(xí)者隨著做題量的增加測的學(xué)習(xí)者知識(shí)掌握也在增加并趨于穩(wěn)定；高分段學(xué)習(xí)者隨著做題量的增預(yù)測的學(xué)習(xí)者知識(shí)掌握有所減少并趨于穩(wěn)定，并且各分段學(xué)習(xí)者的掌握率象也體現(xiàn)出了天花板效應(yīng)，即當(dāng)快要接近頂端時(shí)，自然而然就會(huì)感覺到一見的障礙阻隔在上面，所以他們的掌握情況往往只能到某一階段就不可能上去了。這樣的情況就是所謂的玻璃天花板的障礙。隨著題量變化各分段在這兩個(gè)數(shù)據(jù)集上使用分段個(gè)性化知識(shí)追蹤模型給出的學(xué)習(xí)者認(rèn)知診斷結(jié)勢變化是可接受的。

【參考文獻(xiàn)】：
期刊論文
[1]人工智能支持下的智適應(yīng)學(xué)習(xí)模式[J]. 李海峰,王煒.  中國電化教育. 2018(12)
[2]基于BKT模型的網(wǎng)絡(luò)教學(xué)跟蹤評(píng)價(jià)研究[J]. 李景奇,卞藝杰,方征.  現(xiàn)代遠(yuǎn)程教育研究. 2018(05)
[3]基于貝葉斯知識(shí)跟蹤模型的慕課學(xué)生評(píng)價(jià)[J]. 王卓,張銘.  中國科技論文. 2015(02)
[4]基于“態(tài)度”的知識(shí)追蹤模型及集成技術(shù)[J]. 閭漢原,申麟,漆美.  徐州師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(04)



本文編號(hào)：3326406