基于产生式迁移的深度知识追踪优化模型
来源：计算机应用与软件杂志2024年第12期北京时间：
作者：李浩君, 高鹏
摘要：学习者历史练习序列对当前作答有不同程度的影响，现有深度知识追踪模型对学习者学习迁移过程考虑相对不足。针对该问题，提出一种基于产生式迁移的深度知识追踪优化模型。该模型以产生式迁移理论为基础，用知识增长矩阵表示学习者练习后获得的知识和技能，以历史知识增长矩阵序列为输入，利用自注意力机制构建学习者学习迁移过程，根据包含学习迁移影响的值矩阵预测学习者正确回答下一问题的概率。实验结果表明，该模型提高了知识追踪的预测精度，且模型结果更具可解释性。
关键词：知识追踪, 学习迁移, 深度学习, 自注意力机制
