【技术实现步骤摘要】
基于深度项目反应理论的认知诊断方法
本专利技术涉及深度学习和教育数据挖掘领域,尤其涉及一种基于深度项目反应理论的认知诊断方法。
技术介绍
当前的大数据和数据挖掘技术快速发展,尤其是在教育领域,大量的习题数据被收集,并且被广泛应用于教育相关领域。比如个性化试题推荐可以给学生推荐合适的练习题,来加强学生在知识点或者答题技巧上的熟练度;自适应测试可以根据学生自身的认知情况,给学生提供个性化的测试方案。而对学生的认知情况,也就是学上在知识点或者答题技巧上的掌握程度的准确诊断,是这些应用的基础。传统的认知诊断方法都基于统计学,仅仅使用学生答题结果的历史数据来对学生进行诊断,对数据敏感,且鲁棒性不好。围绕认知诊断这个问题,很多研究者提出了不少方法,但是这些方法都没能够使用习题文本数据来提升诊断效果,然而,教育领域已经积累了很多习题数据,尤其是文本数据。因此如何利用习题文本,来增强传统认知诊断模型的有效性以及鲁棒性,是当前教育大数据背景下亟待解决的一个重要问题。
技术实现思路
本专利技术的目的是提供一种基于深度项目反应理论的认知诊断方法,可以给学生提供更有效、更详细以及更鲁棒的认知诊断结果,从而能够更有针对性的给学生推荐合适的习题。本专利技术的目的是通过以下技术方案实现的:一种基于深度项目反应理论的认知诊断方法,其特征在于,包括:获取学生的历史习题数据;对历史习题数据进行预处理,使用深度学习方法并结合预处理结果对学生和习题数据进行建模,获得学生的潜在特质、以及习题难度和区分度;根据学生的潜在特质、以及习题难度和区分度,利用项目反应理论的二参数模型预测学生在习题上的得分。由上 ...
【技术保护点】
1.一种基于深度项目反应理论的认知诊断方法,其特征在于,包括:获取学生的历史习题数据;对历史习题数据进行预处理,使用深度学习方法并结合预处理结果对学生和习题数据进行建模,获得学生的潜在特质、以及习题难度和区分度;根据学生的潜在特质、以及习题难度和区分度,利用项目反应理论的二参数模型预测学生在习题上的得分。
【技术特征摘要】
1.一种基于深度项目反应理论的认知诊断方法,其特征在于,包括:获取学生的历史习题数据;对历史习题数据进行预处理,使用深度学习方法并结合预处理结果对学生和习题数据进行建模,获得学生的潜在特质、以及习题难度和区分度;根据学生的潜在特质、以及习题难度和区分度,利用项目反应理论的二参数模型预测学生在习题上的得分。2.根据权利要求1所述的一种基于深度项目反应理论的认知诊断方法,其特征在于,所述历史习题数据包含了M个习题,每一习题包括的习题描述文本以及习题包含的知识点集合。3.根据权利要求1或2所述的一种基于深度项目反应理论的认知诊断方法,其特征在于,假设有L个学生和M个习题,则组成了答题记录R={Rij|1≤i≤L,1≤j≤M};其中Rij=<Si,Qj,rij>是一条答题记录,表示一个学生Si在一道习题Qj上的实际得分为rij;习题Qj=<QTj,QKj>,包含习题描述文本QTj和知识点集合QKj两个部分;所有习题共包含有P个知识点;初始化学生Si在每个知识点p上的掌握度记为αp,所有知识点掌握度组成一个P维的向量α=(α1,α2,…,αP)。4.根据权利要求1所述的一种基于深度项目反应理论的认知诊断方法,其特征在于,所述对历史习题数据进行预处理包括:假设一道习题Qj中的习题描述文本QTj由U个单词组成,通过预训练得到Word2Vec模型将习题描述文本QTj中的每一个单词表示成向量形式,得到QTj={w1,w2,…,wU},其中包含,每一个单词u都被表示成一个d0维的向量假设一道习题Qj中的知识点集合QKj由V个知识点组成,将每一个知识点v表示成一个P维的one-hot向量Kv∈{0,1}P,得到QKj={K1,K2,…,KV},再使用一个d1维的密集层将每一个知识点的one-hot向量Kv转化为一个d1维的密集向量转换方式为:kv=KvWk其中,是密集层的参数;转换后的知识点向量集合记为5.根据权利要求1或4所述的一种基于深度项目反应理论的认知诊断方法,其特征在于,所述使用深度学习方法并结合预处理结果对学生和习题数据进行建模,获得学生的潜在特质、以及习题难度和区分度,包括三个部分:利用深度神经网络建模学生的潜在特质、利用基于注意力机制的长短期记忆网络建模习题难度、以及利用深度神经网络建模习题区分度。6.根据权利要求5所述的一种基于深度项目反应理论的认知诊断方法,其特征在于,所述利用深度神经网络建模学生的潜在特质包括:假设一个学生Si在的知识点掌握度向量为α=(α1,α2,…,αP),其中的P为所有历史习题数据中知识点的总数;预处理后的一道习题Qj的知识点向量集合为则将知识点向量集合与相应的掌握度对应相乘,得到一个d1维的向量计算方式为:将d1维的向量Φ输入到一个深度神经网络DNNθ中,得到学生潜在特质θ:θ=DNNθ(Φ)。7.根据权利要求5所述的一种基于深度项目反应理论的认知诊断方法,其特征在于,利用深度神经网络建模习题区...
【专利技术属性】
技术研发人员:刘淇,陈恩红,程松,黄仔,黄振亚,陈玉莹,马海平,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。