deep knowledge tracing | BriefGPT

关键词deep knowledge tracing

搜索结果 - 10

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
PDF2 months ago
KARL: 知识感知检索和表示在学生的保持和学习中的应用
使用检索和 BERT 嵌入式的 KARL 设计出的模型，能够有效和准确地预测学生的记忆，并在 AUC 和校准误差方面优于现有模型，同时还提出了一种利用 DKT 模型的预测能力在线部署 KARL 的教学策略，证明其在中期教育学习中增强学习效果
PDF5 months ago
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。
PDFa year ago
ACL应用于自适应教育的问题生成
我们探索了针对学生进行目标化问题生成，并成功地利用预训练的语言模型来生成适合不同难度的问题，这为智能自适应在线教育系统提供了一种新的方法。
PDF3 years ago
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
PDF4 years ago
一种用于知识追踪的自注意力模型
通过自我关注机制，提出了一个有效的知识追踪方法，使用相对较少的 KC 来预测学生的掌握程度，这种方法在处理稀疏数据时表现更好，并在多个真实数据集上得到了显著的提高。
PDF5 years ago
知识追踪的深度知识追踪与动态学生分类
本文提出了一种新的知识追踪模型，它能够捕捉学生的学习能力并将学生动态分配到具有类似能力的不同组中，在常规时间间隔内将这些信息与被称为深度知识追踪的递归神经网络结构相结合，实验结果表明，该模型明显优于用于学生建模的已知先进技术。
PDF6 years ago
通过一致预测正则化解决深度知识追踪中的两个问题
该研究提出了一种基于正则化的改进深度知识追踪模型，可以有效提高预测的一致性，同时没有降低原始任务表现。
PDF6 years ago
回归基础：贝叶斯 IRT 扩展在熟练度估计上的表现优于神经网络
本文研究比较了基于 IRT 的多个熟练度估计方法和基于 RNN 的 Deep Knowledge Tracing 在学生行为预测方面的表现，在多个数据集中发现 IRT 性能优于 DKT，并通过贝叶斯概率模型的应用提供更好的可解释性和保证性。
PDF8 years ago
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。
PDF8 years ago