多学习行为协同的知识追踪模型

来源：计算机应用杂志2023年第5期北京时间：

作者：张凯, 覃正楚, 刘月, 秦心怡

单位：长江大学 计算机科学学院，湖北 荆州 434023

摘要：知识追踪模型主要使用学习过程、学习结束和学习间隔等三类学习行为数据，但现有研究没有融合上述类型的学习行为，无法准确描述多种类型学习行为的相互作用。针对上述问题，提出多学习行为协同的知识追踪（MLB-KT）模型。首先采用多头注意力机制描述每类学习行为的同类约束性，然后采用通道注意力机制建模三类学习行为的多类协同性。将MLB-KT模型与深度知识追踪（DKT）、融合注意力机制的时间卷积知识追踪（ATCKT）模型在3个数据集上进行对比，实验结果表明，MLB-KT模型的曲线下面积（AUC）有明显增加，且在ASSISTments2017数据集上的表现最佳，与DKT、ATCKT模型相比分别提升了12.26%、2.77%；表示质量对比实验的结果也表明MLB-KT模型具有更好的表现。可见建模同类约束性和多类协同性能更好地判断学生的知识状态、预测学生未来的答题情况。

关键词：知识追踪,学习行为,多头注意力机制,通道注意力机制,序列建模

基金资助：国家自然科学基金资助项目(62077018);科技部高端外国专家引进计划项目(G2022027006L)