深度知识追踪模型综述和性能比较

来源：软件学报杂志2023年第3期北京时间：

作者：王宇，朱梦霞，杨尚辉，陆雪松，周傲英

单位：王宇，华东师范大学 数据科学与工程学院, 上海 20006211,朱梦霞，华东师范大学 数据科学与工程学院, 上海 20006202,杨尚辉，华东师范大学 数据科学与工程学院, 上海 20006203,陆雪松，华东师范大学 数据科学与工程学院, 上海 20006204,周傲英，华东师范大学 数据科学与工程学院, 上海 20006205

摘要：知识追踪是一种重要的认知诊断方法，往往被用于在线学习平台、智能辅导系统等信息化教学平台中.知识追踪模型通过分析学生与课程作业的交互数据，即时模拟学生对课程知识点的掌握水平，模拟的结果可以用来预测学生未来的学习表现，并帮助他们规划个性化的学习路径.在过去20多年中，知识追踪模型的构建通常基于统计学和认知科学的相关理论.随着教育大数据的开放和应用，基于深度神经网络的模型（以下简称“深度知识追踪模型”）以其简单的理论基础和优越的预测性能，逐渐取代了传统模型，成为知识追踪领域新的研究热点.根据所使用的神经网络结构，阐述近年来代表性深度知识追踪模型的算法细节，并在5个公开数据集上对这些模型的性能进行全面比较.最后讨论了深度知识追踪的应用案例和若干未来研究方向.

关键词：深度知识追踪;深度学习;循环神经网络;记忆网络;自注意力网络;应用案例;性能比较

基金资助：国家自然科学基金（61977026，62072185）