AAAIFeb, 2023
利用以问题为中心的认知表示提高深度序列知识追踪模型的可解释性
Improving Interpretability of Deep Sequential Knowledge Tracing Models with Question-centric Cognitive Representations
Jiahao Chen, Zitao Liu, Shuyan Huang, Qiongqiong Liu, Weiqi Luo
TL;DR提出一个使用深度学习技术解决知识追踪问题的解释性的、以问题为中心的预测模型 QIKT,该模型考虑了现实教育场景中问题的贡献度不同的情况,能够生成解释性的预测结果,并在三个公共数据集上显示了优异的预测性能和更好的模型可解释性