浅谈知识追踪（非结构化的神经网络含数据集）

目录

前言：

深度学习的知识追踪有什么

认知诊断

知识追踪领域内的发展

---

前言：

        其实我是偶然发现了一位学长的论文（武汉大学李标学长的《在线学习平台中知识追踪机制研究》），引起了浓厚的兴趣，并在此论文中仿佛看到了新的世界。我把他的论文发由我的恩师后，恩师也对他赞不绝口，称这是他见到写的最漂亮的文章。希望大家有机会能够去拜读。

        数据集在最低下，不可用于商业用途，仅供研究学习使用。

深度学习的知识追踪有什么

• BKT 方法、IRT 方法是一种结构化的方法，难以处理在线学习中复杂的问题，例如处理多知识点的问题用LSTM隐含层的向量表示学生对所有知识点的综合掌握情况 近期地重复学习；
• 相关性的知识点学习；知识点的相似性；学生之间的差异性；
• 响应时间、尝试次 数等因素考虑加入到 DKT 模型，在输入层加入自动编码网络层将输入信息进行降维，降低了 DKT 的训练时间开销；
• (缺点问题)传统RNN、LSTM在处理超长序列时容易丢失信息 而导致模型的性能下降；同时，模型缺乏对关键特征的提取和强化。学习特征少、长距离依赖、可解释性差、无法有效选取学生特征是 DKT 模型最显著的 4 个问题。

认知诊断

• 在提过了非线性的认知模型后，不得不提一下有关教育领域研究的认知诊断。
• 认知诊断是为了解决传统的考试反馈慢（月考，学期考试），反馈不准（结果还是习题的对错与得分情况），不能反映出学生对于各个知识点的理解和掌握程度。
• 与知识追踪相似，同样是面对一套习题或者一个分数，还是不能明确的体现出学生每个知识点掌握程度，也是不能完成“因材施教（https://www.zhihu.com/question/383134450/answer/1444934329 https://www.jianshu.com/p/032732d72a3a ）

知识追踪领域内的发展

        论文《深度学习驱动的知识追踪研究进展综述》中为大家详细的记录了在知识追踪领域内，各位学者所做出的各项贡献，以及模型的优缺点整理。（详细细节请参考论文）

《在深度学习驱动的知识追踪研究进展综述》一文中整理了目前DKT的发展：（详细细节请参考论文）

        但是在两个综述文章中同时出现了一个比较关键性的知识追踪模型——动态键值网络（Dynamic Key-Value Memory Networks for Knowledge Tracing，DKVMN），给知识追踪领域带来了里程碑式的发展。 动态键值网络相当于增加了两个额外的外接矩阵用来存储学生对知识的掌握程度，还有各个知识点的对应关系。

        公共数据集的基本介绍：

https://edudata.readthedocs.io/en/latest/build/blitz/ASSISTments/ASSISTments2009-2010.html

Static2011   （来自一个大学级的工程静力学课程，具有 333 个学生在 1223 个问题上的 189927 个交互）：https://pslcdatashop.web.cmu.edu/DatasetInfo?datasetId=507

http://www.bnu-ai.cn/data

"assistment-2009-2010-skill":

        "http://base.ustc.edu.cn/data/ASSISTment/2009_skill_builder_data_corrected.zip",

    "assistment-2012-2013-non-skill":

        "http://base.ustc.edu.cn/data/ASSISTment/2012-2013-data-with-predictions-4-final.zip",

    "assistment-2015":

        "http://base.ustc.edu.cn/data/ASSISTment/2015_100_skill_builders_main_problems.zip",

    "assistment-2017":

        "http://base.ustc.edu.cn/data/ASSISTment/anonymized_full_release_competition_dataset.zip",

    "junyi":

        "http://base.ustc.edu.cn/data/JunyiAcademy_Math_Practicing_Log/junyi.rar",

    "KDD-CUP-2010":

        "http://base.ustc.edu.cn/data/KDD_Cup_2010/",

    "NIPS-2020":

        "http://base.ustc.edu.cn/data/NIPS2020/",

    "slepemapy.cz":

        "http://base.ustc.edu.cn/data/slepemapy.cz/",

    "synthetic":

        "http://base.ustc.edu.cn/data/synthetic/",

    "psychometrics":

        "http://base.ustc.edu.cn/data/psychometrics/",

    "psy":

        "http://base.ustc.edu.cn/data/psychometrics/",

    "pisa2015":

        "http://base.ustc.edu.cn/data/pisa2015_science.zip",

    "workbankr":

        "http://base.ustc.edu.cn/data/wordbankr.zip",

    "critlangacq":

        "http://base.ustc.edu.cn/data/critlangacq.zip",

    "ktbd":

        "http://base.ustc.edu.cn/data/ktbd/",

    "ktbd-a0910":

        "http://base.ustc.edu.cn/data/ktbd/assistment_2009_2010/",

    "ktbd-junyi":

        "http://base.ustc.edu.cn/data/ktbd/junyi/",

    "ktbd-synthetic":

        "http://base.ustc.edu.cn/data/ktbd/synthetic/",

    "ktbd-a0910c":

        "http://base.ustc.edu.cn/data/ktbd/a0910c/",

    "cdbd":

        "http://base.ustc.edu.cn/data/cdbd/",

    "cdbd-lsat":

        "http://base.ustc.edu.cn/data/cdbd/LSAT/",

    "cdbd-a0910":

        "http://base.ustc.edu.cn/data/cdbd/a0910/",

    "math2015":

        "http://staff.ustc.edu.cn/~qiliuql/data/math2015.rar",

    "ednet":

        "http://base.ustc.edu.cn/data/EdNet/",

    "ktbd-ednet":

        "http://base.ustc.edu.cn/data/ktbd/EdNet/",

    "math23k":

        "http://base.ustc.edu.cn/data/math23k.zip",

    "OLI-Fall-2011":

        "http://base.ustc.edu.cn/data/OLI_data.zip",

    "open-luna":

        "http://base.ustc.edu.cn/data/OpenLUNA/OpenLUNA.json"

}