【技术名称】面向知识测量的试题、知识、能力张量构建与标注方法

【应用行业】教育信息化

【技术领域】教育数据挖掘技术

【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】王志锋、刘继斌、左明章、叶俊民、罗恒、闵秋莎、童名文、田元、夏丹

【成果完成时间】2020-01-13

【专利号】CN202010032981.3

【授权日期】2023-05-26

【技术成熟度】已有样品

【应用背景】目前，最接近的现有技术：在教育领域中，通常将对个体的知识结构、认知加工技能或认知过程进行诊断评估称为认知诊断评估。将知识或认知加工技能等统称为属性，学习者的知识结构、认知加工技能等是不能直接观察的潜在变量。在认知诊断评价理论中，属性是最基础的概念，属性指的是影响被试的外在行为表现的那些潜在的、内隐的心理特质。在一次教学测验中，被试对象是学习者，其外在行为表现为学习者在试题上的作答，而影响学习者作答的一个主要因素就是学习者对于知识点的掌握情况或认知水平。因此需要对学习者进行诊断分析，主要的评价目标是分析学习者对各内容领域特别是知识点的掌握情况或认知水平。

【成果简介】该成果属于教育数据挖掘技术领域，公开了一种面向知识测量的试题、知识、能力张量构建与标注方法，结合Q矩阵与布卢姆认知领域教育目标分类，将知识点的掌握划分为六个认知能力水平：知道、领会、应用、分析、综合、评价，构建试题、知识、能力张量；采用主动学习策略，构建可解释试题标签预测模型，获得可解释的标签预测信息熵，利用训练出的可解释试题标签预测模型，将未标注样本输入该预测模型，反馈具有较强解释性的标签预测信息熵，从而进行人机协同。该成果减少了人工标记的主观性对TKA张量的影响，标注准确率与效率高，极大降低专家人力成本。该成果可迁移性强，可应用于各个学科的试题知识点考查标注，方法适用性更好。

【成果图片】

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