【技术名称】多模态的统一智能学习诊断建模方法、系统、介质、终端

【应用行业】数字教育

【技术领域】本发明属于教育大数据挖掘技术领域，尤其涉及一种多模态的统一智能学习诊断建模方法、系统、介质、终端。

【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、严文星、王艳凤、左明章、罗恒、闵秋莎、董石、田元、夏丹、叶俊民

【完成人团队简介】王志锋副教授团队主要从事人工智能，图像与音视频智能信息处理，机器学习，人机交互，虚拟现实，游戏技术，数据挖掘，多媒体取证，深度学习等方面的研究

【成果完成时间】2021-10-28

【专利号】CN202111263507.2

【授权日期】2025-01-10

【技术成熟度】研发阶段

【应用背景】近年来，随着人工智能等信息技术的快速发展，教育行业也在不断地朝着智慧化、信息化方向飞跃，现代信息技术与传统教学模式以及教育方式相融合形成了“互联网+教育”服务新业态。互联网教育能够实现个性化导学、智能学习评价等新教学方式，为教师和学习者提供精准而有效的指导信息，提升教学与学习效果。

认知诊断评价是实现智慧教育的一种辅助方法，具体即通过分析学习者在特定学习任务中的表现情况来对学习者的知识掌握状态、认知水平进行挖掘与诊断，从而为学习者提出具有针对性的改进意见。目前，相关研究者从不同角度出发，提出了多种认知诊断模型，按其不同的理论基础可分为两大类：

(1)基于参数估计的认知诊断方法；

(2)基于非参数的人工智能方法。

基于参数估计的认知诊断方法以潜在特质模型、潜在分类模型为主要代表，潜在特征模型以项目反应理论为基础，假设学习者有一种“潜在特质”，一般是指连续的潜在能力，并且模型认为学习者在练习题目上的反应和成绩不仅与题目自身因素有关，还与学习者的潜在特质有特殊的关系，通过建模学习者潜在特征、题目因素与作答反应间的关系对学习者进行知识状态诊断；潜在分类模型假定能力值是不连续的，潜在知识空间由K个二分变量组成，共有2K种掌握状态，并根据学习者的答题结果将学习者划分到这些掌握状态中去，从而区分其知识认知结构。潜在分类模型有时并不能完全拟合实际情况，经常会有一些学习者并不能准确地被划分在有限的假设类别中。

基于非参数的人工智能方法引入深度学习方法，以练习题目与学习者作答记录数据为基础，通过循环神经网络、卷积网络等建模学习者的学习过程以及其知识掌握状态，具有较高的准确性。但由于深度学习方法的黑盒特性，通常基于非参数的人工智能方法的可解释性不强，所得结果有时无法使人完全信服。

通过上述分析，现有技术存在的问题及缺陷为：

(1)传统认知诊断模型建模角度及参数较为单一，无法从多个不同维度运用不同方法进行综合考量，导致诊断结果较为片面，准确性不高。

(2)传统认知诊断模型对数据规模要求较为严格，规模小诊断结果准确性低，规模太大则效率也会大大降低。

(3)现有基于非参数的人工智能诊断方法属于黑盒方法，无法很好地赋予其结果以教育学上的解释意义，可用性受到了一定的限制。

解决以上问题及缺陷的难度为：

(1)如何灵活地集多种传统认知诊断模型的思想于一体，以构建一种包容性较强的诊断框架，从而在诊断结果准确性上实现提升。

(2)如何利用深度学习方法的高维空间表征性能，充分挖掘教育数据中的可用信息，对学习者及学习资源进行建模并实现准确的学习者学习诊断。

(3)如何将深度学习方法与基于统计的传统认知诊断方法进行有机地融合，各取所长，在提高诊断结果准确性的基础上兼顾其在教育领域的解释意义。

解决以上问题及缺陷的意义为：

(1)本发明充分挖掘了学习者学习数据中的潜在信息，能够深层全面地对学习者进行认知诊断与表现预测，为其后续学习提供参考及指导信息。

(2)本发明能够提供一种灵活的诊断方法，根据不同需要选用不同的诊断通道，适用于多种场景。

(3)本发明提出的一种多模态的统一智能学习诊断建模方法在传统认知诊断模型基础上，采用深度学习方法建模学习者与学习资源，提高了诊断结果准确性及诊断效率。

【成果简介】本发明属于教育大数据挖掘技术领域，公开了一种多模态的统一智能学习诊断建模方法、系统、介质、终端，通过构建多通道的认知诊断模型，对学习者进行初步诊断，对学习资源进行参数估计，得到学习资源参数集与学习者参数集；对学习资源与学习者进行建模，获取深度表征特征；引入自注意力机制对学习者特征与学习资源特征进行融合；将融合特征作为用来预测学习者表现情况的数据基础，构建学习者表现预测网络得到对学习者作答正确概率的预测值；通过学习者与练习题目的特征信息诊断学习者的总体知识点掌握情况，获取练习题目的参数表征。本发明有利于融合多通道认知诊断模型的优点，并设计神经网络对学习者进行智能学习诊断，具有可扩展性。

【成果图片】

【联系方式】汪兵、安红高、刘树楠、吴涛，02767862377，02767862003