基于知識點擴增網絡的薄弱認知診斷

鐘昌梅　張明西　戴江?！≮w瑞

關鍵詞：知識點擴增網絡；認知診斷；隨機游走；TD-IDF

中圖分類號：TP391 文獻標識碼：A 文章編號：1006-8228（2023）11-28-06

0 引言

隨著計算機技術的飛速發展和跨學科研究的不斷融合，智能教學輔助系統日益受到人們的關注[1]。在這一背景下，認知診斷作為智能教輔系統中的核心問題，近年來備受關注，認知診斷主要目的在于發現學生在學習過程中的知識狀態[2]。通常認知診斷報告在智能教輔系統中對于提高學生學習效率和教師教學質量至關重要，可為后續的個性化補救和教學計劃的改進提供幫助。

目前，針對認知診斷已有一些相關研究，如基于確定性輸入、噪聲和門的模型[3]（DINA），項目響應理論[4]（IRT），多維IRT[5]（MIRT）和矩陣分解[6]（MF）。這些方法在某些方面取得了一定的成果，但大多數方法僅針對學生進行全面的認知診斷，并未對學生薄弱的認知做深入分析。為了解決這一問題，一些學者提出了基于神經網絡的方法，將習題的難易程度作為習題特征引入認知診斷模型，以發現學生和習題之間的更深層次的關系[7]。盡管該方法在預測學生行為方面取得了巨大的成功，但仍然存在一些不足。首先，該方法在利用知識概念信息方面有所欠缺，而知識概念信息對于學生成績預測有重要作用。其次，該方法難以處理學生與習題之間的高階協同信息。

學生的答題信息與習題以及知識點之間的互動關系構成了學生-習題-知識點的知識點擴增網絡，類似于三部圖的結構。然而，與無標度網絡不同的是，習題與知識點的交互數據分布并不滿足冪律分布。更具體地說，數據集中習題的分布程度是均勻的，即大多數習題只包含一到兩個知識點，而知識點的數量相對較少，從而導致構建的知識點擴增網絡圖呈現出高度非線性、稀疏的特點。