基于深度学习的知识追踪研究进展 Research Advances in the Knowledge Tracing Based on Deep Learning

最新推荐文章于 2023-07-27 18:48:19 发布
最新推荐文章于 2023-07-27 18:48:19 发布
阅读量1.6k 收藏 1
点赞数
分类专栏： 计算机英语 文章标签： 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/daisyxyr/article/details/124431648
版权

8.基于深度学习的知识追踪研究进展
Research Advances in the Knowledge Tracing Based on Deep Learning

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.
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

Abstract：Knowledge tracing is an important research direction in the field of educational data mining. The goal is to determine the degree of students mastery of knowledge by establishing a model of students knowledge changes over time and to mine potential learning rules from their learning trajectories. Fulfilling this goal means personalized gui

最低0.47元/天 解锁文章
daisyxyr
关注
专栏目录
【ChatGPT核心原理实战】手动求解 Transformer：分步数学示例 | Solving Transformer by Hand: A Step-by-Step Math Example
程序员光剑
12-22 2990
手动求解 Transformer：分步数学示例Understanding Transformers: A Step-by-Step Math Example — Part 1了解 Transformer：分步数学示例 — 第 1 部分I understand that the transformer architecture may seem scary, and you might have encountered various explanations on…我知道变压器架构可能看起来很可怕，并且
Conceptual Challenges for Interpretable Machine Learning
weixin_42786150的博客
03-01 1378
Conceptual Challenges for Interpretable Machine Learning David S. Watson1 'Department of Statistical Science, University College London, London, UK Email for correspondence: david.watson@ucl.ac.uk §0 Abstract As machine learning has gradually entere..
基于深度学习的知识追踪研究进展论文总结
05-26
基于深度学习的知识追踪研究进展论文总结
基于深度学习知识追踪研究进展（综述）数据集模型方法
sereasuesue的博客
06-26 4405
基于深度学习的知识追踪研究进展 计算机研究与发展 中文核心期刊 https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=JFYZ20210608001&v=8SqcXNnYzq3Od8MixO%25mmd2Bb0hnPGsfdzLN%25mmd2Byb7OHxxKZuyjdCrFsuZNA5r%25mmd2F3dkSqGtL 看看之前写的课程综述，在看看别人的工作，距
1.基于深度学习的知识追踪研究进展_刘铁园
weixin_45774904的博客
08-09 1887
基于深度学习的知识追踪研究进展
2022知识追踪最新综述——A survey on DLKT
weixin_44546100的博客
11-08 2613
A survey on deep learning based knowledge tracing是知识追踪领域在2022年的最新综述，文章评估了过往DLKT的各类模型，并将其分类和对比。笔者在阅读了该综述后进行了部分总结
追踪算法理论知识基础
膝盖走路JYM的博客
01-31 3003
在开始了解目标跟踪算法的细节之前，我们先来了解一下宏观条件下（目标、背景、摄像头之间的相对运动情况），目标跟踪该如何具体的实现。 运动目标跟踪就是在一段序列图像中的每幅图像中实时地找到所感兴趣的运动目标(包括位置、速度及加速度等运动参数)。在运动目标跟踪问题的研究上，总体来说有两种思路：  a)不依赖于先验知识，直接从图像序列中检测到运动目标，并进行目标识别，最终跟踪感兴趣的运动目
全卷积网络用于手语识别
qq_43787895的博客
05-07 1992
Fully Convolutional Networks for Continuous Sign Language Recognition Abstract. Continuous sign language recognition (SLR) is a challenging task that requires learning on both spatial and temporal dimensions of signing frame sequences. Most recent work acc
CVPR2017论文摘要汇总
热门推荐
super_chicken的博客
04-09 1万+
1. Exclusivity-Consistency Regularized Multi-view Subspace Clustering Abstract: Multi-view subspace clustering aims to partition a set of multi-source data into their underlying groups. To boost the ...
在线学习系统中的概念感知型深层知识追踪和锻炼推荐
03-08
个性化的教育系统根据学生加速学习的能力向他们推荐学习内容学习。此处提出了一种用于在线自我指导学习的个性化运动建议系统。我们首先提高了知识跟踪模型的性能。现有的深度知识跟踪模型，例如动态键值存储网络（DKVMN），请忽略练习”概念标签，通常在补习系统中可用。我们评估了五年级的模型学生的数学运动数据集，TAL中最大的一个中国的教育团体，发现我们的模型具有比现有模型更高的性能。我们也增强了DKVMN模型可支持更多输入功能并获得更高的性能。其次，我们使用模型来构造一个学生模拟器，并使用它来训练具有深度强化学习功能的运动推荐策略。实验结果表明，与现有启发式策略排名，我们的策略在性能最大化方面实现了更好的能提高学生的知识水平。就我们所知，这是第一次深度强化学习已取代个性化数学练习推荐。
知识追踪在智能教育中的作用
sereasuesue的博客
09-27 928
1. 知识追踪的定义、现状及挑战 在上学的时候经常碰到过这样的状况，老师会经常考试，那么老师不能平白无故的给你考试，为什么要考试呢？他考试的主要目的就是为了掌握你对于某一知识的衡量水平，那么对于现在的技术水平而言呢呃，我们教育上面的一些主要模式主要是老师来出题，然后学生做题，然后老师根据学生的或者题目的反馈来衡量一个学生的水平，当然这样是有它自身的缺点，主要缺点在于老师的工作量实在是太大了，那么有没有什么方法能够改善这困境呢？那么这一道引入我们知识追踪。 2. 简单知识追踪的模型——贝叶斯知识追踪 (B
可解释知识追踪（整理更新）
sereasuesue的博客
10-08 1796
微观角度的可解释性，一个深度学习模型的可解释性是其内 在的固有性质，指模型的决策在多大程度上可以被人类预测和理解。模型的可解释性越强，代表模 型的行为对人类越透明，模型的不确定性也就越低；反之模型的可解释性越弱，模型做出预测的机 制就不能被人类所理解，它的不可控性也越大主动解释 和事后解释两大类：主动解释为模型在做出预测的过程中可以同时生成相应的解释，如注意力显著 性在网络前向传播时即可生成，自我可解释的网络会设计一些可解释单元。事后解释为在模型做出 决策之后，通过一些算法来有效地揭示模型做出预测的原因。
【数据科学赛】Global Knowledge Tracing Challenge @AAAI2023 #时间序列预测 #知识追踪
CompHub的博客
11-13 309
(详细介绍)
知识追踪模型——教育大数据挖掘（持续更新......）
weixin_44635296的博客
07-26 4700
知识追踪 Deep Knowledge Tracing 虽然知识追踪这个方向很早就被提出来了，但是直到2015年，才首次将深度神经网络（RNN）引入到知识追踪领域，并显示出卓越的性能。 模型部分使用的是一个传统的RNN模型： 这里面模型的输入是学生和题目的交互向量xtx_{t}xt​，其中xt∈(0,1)2Nx_{t}\in\mathbb (0,1)^{2N}xt​∈(0,1)2N, xtx_{t}xt​的前N个向量对应学生做题正确的记录，后N个向量对应学生做错的记录，其中哪一题做对或者做错，那么对应位置
浅谈知识追踪（BKT、IRT、DKT）
maxiubin666的博客
06-05 5335
简单的说就是让我们用一些算法来对在线教育平台中学生的学习状态进行追踪模拟，达到传统的线下教育中因材施教的效果。 目前主流的几种研究方法：基于贝叶斯的知识追踪（BKT）、项目反应理论（IRT）、基于深度学习的知识追踪（DKT）...
知识追踪文献整理（2022-2023年）
最新发布
m0_52020224的博客
07-27 3019
文章所涉及知识追踪模型：DIMKT、QIKT、AT-DKT、sparseKT、DTransformer、OKT……将持续更新
知识追踪理论入门
sereasuesue的博客
05-23 7817
what 知识追踪（Knowledge Tracing）是根据学生过去的答题情况对学生的知识掌握情况进行建模，从而得到学生当前知识状态表示的一种技术。便我们能准确地预测学生对于各个知识概念的掌握程度，以及学生在未来学习行为的表现。准确可靠的知识追踪意味着我们可以根据学生的自身的知识状态，给他们推荐合适的练习题目，比如，推荐给学生薄弱知识概念关联的题目，而过于困难或者过于简单的题目不应该被推荐，从而可以给学生进行高效的个性化教学。 when Corbett和Anderson，1995年将BKT引入智能教
Deep Knowledge Tracing (深度知识追踪)
且视他人之疑目如盏盏鬼火,大胆地去走你的夜路
03-15 3108
boss又让我看这块的内容了，刚开学，还不太适应实验室的学习生活，假期闲散惯了操。 1、概述 知识追踪（knowledge tracing）是根据学生过去的答题情况对学生的知识掌握情况进行建模，以便我们能精确预测学生对于知识点的掌握程度，以及学生在下一次的表现。而且精确的知识追踪能让我们抓住学生当前的需求，并进行精准推题，即难易适宜。 早期的知识追踪模型都是依赖于一阶马尔科夫模型，例如贝叶斯知识追踪（Bayesian Knowledge Tracing，BKT）。在本文中引入灵活的循环神经网络（RNN）.
基于深度学习的空中运动目标检测与追踪的研究背景与意义相关资料
03-27
Object detection in aerial images based on deep learning[C]. IEEE International Conference on Image Processing (ICIP), 2016. 5. Zhang L, Zhang L, Du B, et al. A survey of recent advances in target ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值