公开(公告)号：CN112818100B

公开(公告)日：2023-12-22

申请号：CN202110128081.3

申请日：2021-01-29

Applicant: 华中师范大学

Inventor： 张凯 ,  孙建文 ,  邹睿 ,  周建鹏 ,  栗大智 ,  杨哲文

IPC: G06F16/332 ,  G06F16/335 ,  G06F16/383 ,  G06Q50/20

Abstract: 本发明公开了一种融合题目难度的知识追踪方法及系统。该方法包括步骤：获取t时刻学习者回答的题目qt、答案rt和学习者在回答该问题时的交互信息；获取概念矩阵Mk和t时刻的概念掌握矩阵 根据交互信息计算题目难度dt；获得题目qt与第i个概念的相关度wt(i)；计算获得学习者对题目qt相关的概念的总体掌握程度kst；输出学习者回答题目qt的预测正确率prt以及题目qt对学习者的预测难度pdt；训练预测模型，训练目标是最小化预测正确率prt和答案rt间的差异以及预测难度pdt和题目难度dt间的差异；更新下一个时间步长的概念掌握矩阵本发明在预测学习者正确率的同时，还预测题目对学习者的难度，增强了模型在学习者知识掌握状态方面的表示。

公开(公告)号：CN112818100A

公开(公告)日：2021-05-18

申请号：CN202110128081.3

申请日：2021-01-29

Applicant: 华中师范大学

Inventor： 张凯 ,  孙建文 ,  邹睿 ,  周建鹏 ,  栗大智 ,  杨哲文

IPC: G06F16/332 ,  G06F16/335 ,  G06F16/383 ,  G06Q10/04 ,  G06Q50/20

Abstract: 本发明公开了一种融合题目难度的知识追踪方法及系统。该方法包括步骤：获取t时刻学习者回答的题目qt、答案rt和学习者在回答该问题时的交互信息；获取概念矩阵Mk和t时刻的概念掌握矩阵根据交互信息计算题目难度dt；获得题目qt与第i个概念的相关度wt(i)；计算获得学习者对题目qt相关的概念的总体掌握程度kst；输出学习者回答题目qt的预测正确率prt以及题目qt对学习者的预测难度pdt；训练预测模型，训练目标是最小化预测正确率prt和答案rt间的差异以及预测难度pdt和题目难度dt间的差异；更新下一个时间步长的概念掌握矩阵本发明在预测学习者正确率的同时，还预测题目对学习者的难度，增强了模型在学习者知识掌握状态方面的表示。

公开(公告)号：CN112766513B

公开(公告)日：2024-05-07

申请号：CN202110130188.1

申请日：2021-01-29

Applicant: 华中师范大学

Inventor： 张凯 ,  孙建文 ,  邹睿 ,  周建鹏 ,  栗大智 ,  杨哲文

IPC: G06N20/00 ,  G06F17/16 ,  G06F17/15 ,  G06N3/042

Abstract: 本发明公开了一种记忆协同的知识追踪方法及系统。该方法包括步骤：获取t时刻学习者回答的题目qt和答案rt；获取概念矩阵Mk和t时刻的概念掌握矩阵#imgabs0#其中#imgabs1#用于表示t时刻学习者对每个概念在感觉记忆阶段、工作记忆阶段和长时记忆阶段的记忆内容；获得题目qt与第i个概念的相关度wt(i)；计算获得学习者对题目qt相关的概念的总体记忆程度kst；输出学习者回答题目qt的预测正确率prt以及预测相关度w′t。本发明既包括记忆内容的表示，又包括记忆阶段的表示，可以更准确地表示学习者的知识掌握状态，从而更准确地预测学习者未来表现。

公开(公告)号：CN112256858A

公开(公告)日：2021-01-22

申请号：CN202011071060.4

申请日：2020-10-09

Applicant: 华中师范大学

Inventor： 刘三女牙 ,  朱晓亮 ,  孙建文 ,  张凯 ,  李卿 ,  杨哲文

IPC: G06F16/335 ,  G06F16/338 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种融合问题模式和答题结果的双卷积知识追踪方法及系统。该方法包括步骤：获取答题者的历史答题数据集；从历史答题数据集提取每个答题者的题目序列、答题结果序列和技能序列；将题目序列和技能序列进行拼接后输入到第一一维卷积神经网络，提取问题模式特征数据；将答题结果序列输入到第二一维卷积神经网络，提取答题结果特征数据；将问题模式特征数据和答题结果特征数据进行拼接后输入到全连接层网络，输出答题者答题行为预测结果数据。本发明通过建模提取问题模式特征数据和答题结果特征数据，融合这两个特征进行知识追踪，可以提升预测精确度。

公开(公告)号：CN112256858B

公开(公告)日：2022-02-18

申请号：CN202011071060.4

申请日：2020-10-09

Applicant: 华中师范大学

Inventor： 刘三女牙 ,  朱晓亮 ,  孙建文 ,  张凯 ,  李卿 ,  杨哲文

IPC: G06F16/335 ,  G06F16/338 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种融合问题模式和答题结果的双卷积知识追踪方法及系统。该方法包括步骤：获取答题者的历史答题数据集；从历史答题数据集提取每个答题者的题目序列、答题结果序列和技能序列；将题目序列和技能序列进行拼接后输入到第一一维卷积神经网络，提取问题模式特征数据；将答题结果序列输入到第二一维卷积神经网络，提取答题结果特征数据；将问题模式特征数据和答题结果特征数据进行拼接后输入到全连接层网络，输出答题者答题行为预测结果数据。本发明通过建模提取问题模式特征数据和答题结果特征数据，融合这两个特征进行知识追踪，可以提升预测精确度。

公开(公告)号：CN112766513A

公开(公告)日：2021-05-07

申请号：CN202110130188.1

申请日：2021-01-29

Applicant: 华中师范大学

Inventor： 张凯 ,  孙建文 ,  邹睿 ,  周建鹏 ,  栗大智 ,  杨哲文

IPC: G06N20/00 ,  G06F17/16 ,  G06F17/15 ,  G06N3/04

Abstract: 本发明公开了一种记忆协同的知识追踪方法及系统。该方法包括步骤：获取t时刻学习者回答的题目qt和答案rt；获取概念矩阵Mk和t时刻的概念掌握矩阵其中用于表示t时刻学习者对每个概念在感觉记忆阶段、工作记忆阶段和长时记忆阶段的记忆内容；获得题目qt与第i个概念的相关度wt(i)；计算获得学习者对题目qt相关的概念的总体记忆程度kst；输出学习者回答题目qt的预测正确率prt以及预测相关度w′t。本发明既包括记忆内容的表示，又包括记忆阶段的表示，可以更准确地表示学习者的知识掌握状态，从而更准确地预测学习者未来表现。