Dec, 2021

编程知识跟踪：一份全面数据集和一个新模型

PDF
TL;DR本文在编程教育领域研究知识追踪，提出了一个新的模型 PDKT 以及一个最全面的数据集 BePKT，实验结果显示该模型在编程知识追踪方面表现突出，且码嵌入策略基于 PLCodeBERT 对于提高准确性有补充作用。
knowledge tracingprogramming educationdatasetpdktcode embedding
发现论文，激发创造
  • 基于代码的编程任务知识追踪模型 - Code-DKT

    本研究提出了基于代码的深度知识追踪（Code-DKT）模型，该模型使用注意力机制自动提取和选择特定于领域的代码特征，以扩展深度知识追踪。研究结果显示，Code-DKT 在解决 5 个入门编程作业的过程中，相对于最新的领域通用 KT 模型，比 DKT 提高了 3.07-4.00％的性能。通过一组案例研究，分析了问题特定性能，展示了代码特征如何提高 Code-DKT 的预测能力。

    Jun, 2022

  • 在大规模数据集上进行知识追踪的深度学习模型实证比较

    本研究分析了大规模学生表现数据集中深度学习方法在知识追踪中的表现，证明了引入上下文信息及学生遗忘行为的对深度学习模型进行改进具有积极意义。

    Jan, 2021

  • 语言模型可进行知识追踪：将语言模型与知识追踪任务简单而有效地整合的方法

    利用语言模型集成的知识追踪方法在在线学习中提高了模型性能，并解决了冷启动问题。

    Jun, 2024

  • pyKT: 用于基于深度学习的知识追踪模型基准测试的 Python 库

    本研究基于 Python 平台开发了一个名为 pyKT 的标准化基准测试平台，旨在通过对多种 DLKT 模型的透明实验和系统评估来探究深度学习的知识追踪问题，并提出了一些实用意见和建议。

    Jun, 2022

  • 智能辅导系统中长序列数据分析的 LSTM 和 BERT 整合

    我们提出了一种适用于长序列数据处理的 LSTM BERT-based 知识追踪模型 LBKT，该模型在大多数基准数据集上表现最佳，具有更高的效率、可解释性和较低的内存成本。

    Apr, 2024

  • 深度知识追踪是一种隐式的动态多维项目响应理论模型

    深度知识追踪是一种基于递归神经网络的知识追踪竞争模型，本研究提出了一种简化的解码器，比原有模型表现更好，并为未来研究方向提供了新的可能性。

    Aug, 2023

  • 知识追踪的深度有多大？

    本文考虑深度知识追踪（DKT）在预测学生学习表现时的优越性及其与贝叶斯知识追踪（BKT）模型的比较，提出了 BKT 模型的拓展方案，最终指出虽然 DKT 是一种实用的学生学习模型，但其对数据的优化不在于发现新的表现形式。

    Mar, 2016

  • qDKT：基于问题的深度知识追踪

    qDKT is a variant of deep knowledge tracing that models every learner's success probability on individual questions over time by incorporating graph Laplacian regularization and initialization scheme inspired by fastText algorithm, achieving state-of-the-art performance on predicting learner outcomes and serving as a baseline for new question-centric knowledge tracing models.

    May, 2020

  • 通过扩散模型增强深度知识追踪以实现个性化自适应学习

    本研究介绍了一种基于生成性人工智能模型的知识追踪方法，通过生成合成的教育记录以增强个性化自适应学习在预测学生未来表现方面的性能。实验证明，由 TabDDPM 生成的人工智能数据显著提升了 Deep Knowledge Tracing 在训练数据稀缺和测试数据丰富的场景下的性能。

    Apr, 2024

  • KTbench：一种新颖的无数据泄露知识追踪框架

    通过引入一个通用掩码框架来解决知识追踪模型的两个问题，并提出了一个开源的基准库（KTbench），旨在确保这项工作的可复制性和解决模型在不同序列长度下进行比较的问题。

    Mar, 2024