【技术名称】基于多热编码的多特征融合深度知识追踪方法及系统

【应用行业】教育行业

【技术领域】知识追踪技术

【知识产权】发明专利

【成果完成单位】华中师范大学

【成果完成人姓名】刘三女牙、孙建文、张凯、李卿、栗大智、邹睿

【成果完成时间】2020-09-29

【专利号】CN202011056680.0

【授权日期】2023-03-24

【技术成熟度】已有样品

【应用背景】知识追踪(Knowledge Tracing)任务是利用计算机技术，根据学生过去的答题记录，对学生的知识掌握情况进行建模，进一步得到学生当前知识状态的表示，从而可以准确预测学生在下一次答题时的表现。其中提到的学生过去的答题记录，通常以时间序列的形式呈现出来。由于题目设置和考察能力的综合性，每道问题往往不仅包含一个技能，这也是建立知识追踪模型非常困难的原因。目前主流知识追踪模型将技能编号(skill id)和答题表现(correct)作为模型的输入，将多个特征引入深度知识追踪模型，对多特征均进行独热编码，拼接成新的特征向量作为模型的输入，预测学生对下一个问题的回答正确率。但是现有技术存在以下缺点：(1)大多数研究者仅选用技能编号(skill id)和正确性(correct)两个特征，数据利用率低；(2)将多技能问题拆分为多个单技能问题，没有考虑一道题目同时考察多个技能的情况，无法预测多技能问题的表现。

【成果简介】该成果公开了一种基于多热编码的多特征融合深度知识追踪方法及系统。该方法包括步骤：获取学生的答题数据集；提取问题编号特征p、技能编号特征s、答题表现特征c、尝试次数特征att、首次操作特征act、学生首次反应时间特征frt；将提取的6个特征转换为分类变量；将问题编号特征p和技能编号特征s进行多热编码，获得多热技能编码Multi(multi_s)，将其他特征进行独热编码，获得独热编码O，将多热技能编码Multi(multi_s)和独热编码O进行拼接及降维处理后输入到深度知识追踪模型进行知识追踪。该成果可以提高数据集的数据利用率，并且实现多技能的预测。

【成果图片】

【联系方式】段治国、安红高、刘树楠、吴涛，02767868068，02767868067