AAAIOct, 2021

基于个性化注意力的可解释学生成绩预测：阐释学生失败的原因

PDF
TL;DR本文提出了一种新的、可解释的个性化关注机制的学生成绩预测模型，利用双向长短期记忆 (BiLSTM) 模型提取具有特定模式的路径中的语义信息，并提出了局部和全局级别的关注机制来区分不同学生或课程的影响，从而有效地预测学生表现，结果表明该模型在预测学生表现方面优于其他先进模型且可解释性强。
student performance predictionexplainablepersonalized attentionbidirectional long short-term memoryeducation
发现论文，激发创造
  • 基于注意力机制的个性化联邦学习在缓解学生表现预测中的偏见方面的应用

    本文提出一种优化预测能力以针对不同种族和性别等人群的学生表现的方法，通过联邦学习建立个性化学生模型，结合自我监督预训练和神经网络注意力机制，实现针对不同学生子群体的个性化模型派生，有效改善学生建模结果的预测能力。

    Aug, 2022

  • 特征归因方法与模型性能的关系探索

    机器学习和深度学习模型在教育领域中非常重要，尤其是在预测学生成功方面。本研究通过使用九种不同的解释方法并进行综合分析，探索这些方法在生成解释过程中之间的一致性与预测模型性能之间的相关性。运用 Spearman 相关性分析，我们的发现显示模型的性能与解释方法之间的一致性水平存在非常强的相关性。

    May, 2024

  • 显著性学习：教导模型关注重点

    本论文旨在通过提供解释训练并确保模型的解释与真实解释的一致性，教会深度学习模型以恰当的原因做出正确的预测。实验结果表明，所提出的方法比传统训练模型更加可靠和有效。

    Feb, 2019

  • ESP: 突发紧急情景中的长期行为推理的外视预测

    在自动驾驶中，紧急场景安全是重要的里程碑，而可靠的准时预测对于保持安全至关重要。本文建立了一个新的数据集，旨在长期预测紧急事件的不显著历史状态变化，命名为 Extro-Spective Prediction（ESP）问题。基于该数据集，引入了一种适用于 ESP 的灵活特征编码器作为各种预测方法的无缝插件，并且其一贯的性能提升证明了其有效性。此外，提出了一种名为 CTE（clamped temporal error）的新度量标准，可以更全面地评估预测性能，特别是在亚秒级的紧急事件中。有趣的是，由于我们的 ESP 特征可以自然地用可读的人类语言描述，将其整合到 ChatGPT 中也展示了巨大的潜力。ESP 数据集和所有基准已在此 URL 发布。

    May, 2024

  • SEAT: 稳定且可解释的注意力

    本文提出 SEAT，即稳定且可解释的注意力机制。通过与其他基线方法的比较，研究者发现 SEAT 可以更好地保持注意力的可解释性和稳定性，同时保持较高的准确性。

    Nov, 2022

  • 多层个性化联邦学习用于缓解学生预测分析中的偏差

    本文提出了一种用于学生建模的多层个性化联邦学习 (Multi-Layer Personalized Federated Learning, MLPFL) 方法，旨在优化不同层次学生群组标准的推断准确性。该方法通过分布式训练以元梯度更新推导出团体内个人化模型，并结合多种学生行为模态，实现了个性化建模以提高跨不同学生子群组的预测准确性和稳定性。在三个真实的在线课程数据集上的实验表明，该方法在各种学生子群组中均能取得显著的预测质量改进，并为不同的学生子群组分别提取出特征聚类成果。

    Dec, 2022

  • NPA: 个性化关注的神经新闻推荐

    本研究提出了一种基于个性化注意力的神经新闻推荐模型，其中使用了卷积神经网络进行新闻表示建模并使用个性化注意力机制对用户建模，同时在一个真实世界的新闻推荐数据集上进行了广泛实验以验证模型的有效性。

    Jul, 2019

  • 使用随机调查实验测试基于显著性的可解释性在自然语言处理中的有效性

    该研究通过一个基于随机抽样的实验，旨在检验基于显著性的事后可解释性方法在自然语言处理中的有效性，结果表明，人类往往会倾向于较少批判性地接受该类解释。

    Nov, 2022

  • 解释、预测，再次预测

    本文介绍了一种名为 ExPred 的新方法，采用多任务学习的方法，在任务输入的解释生成阶段有效地平衡了解释和预测的损失，并使用另一个预测网络来优化任务性能。在三个不同的语言数据集上进行了广泛的评估，发现我们明显优于现有方法。

    Jan, 2021

  • GritNet：深度学习中的学生表现预测

    本文研究了利用深度学习算法 GritNet 对学生在网课中表现未来的预测问题，将其视为连续事件预测问题，通过实验验证了 GritNet 的可靠性与准确性，并提出了及时的干预教育措施。

    Apr, 2018