基于知识追踪和知识网络的学生成绩预测

来源：计算机技术与发展杂志2024年第08期北京时间：

作者：周铖;郝国生;张谢华*;杨晓菡;祝义

摘要：随着教育事业和数字技术的蓬勃发展,高校内大量学生学习数据开始以电子形式进行存储。 预测学生在未来学习中的表现(如成绩)成为一个重要课题。 在现有的学生成绩预测研究中,大多数忽略了学生历史习题之间隐含的关联性。 因此,该文提出了基于知识追踪和知识网络的学生成绩预测方法,其主要思想是融合知识追踪和习题对应知识点的知识网络实现成绩预测。 该方法将每个学生所做习题对应的知识点以及前驱知识点组成的知识网络作为输入之一,并在知识网络中标注出掌握程度大于给定阈值的知识点;结合 LSTM 神经网络,通过学生学习记录融合注意力机制来追踪学生知识水平,最终预测学生在未来做题中的表现。 在公开数据集上的实验结果表明,该模型在 Assistment2009 数据集上较DKT、DKT+、DKVMN、SAKT、MFKT、MSKT 分别提高了 2. 3% ,2. 2% ,3. 3% ,3. 4% ,0. 41% ,2. 0% ,在 Assistment2015 数据集上分别提高了 9. 0% ,9. 4% ,9. 7% ,9. 3% ,8. 1% ,8. 5% ,具有较好的模型精度。

关键词：知识追踪;知识网络;成绩预测;注意力机制;长短期记忆网络