计算机应用

作者：张维, 龚中伟, 李志新, 罗佩华, 宋玲玲

单位：华中师范大学 人工智能教育学部，武汉 430079

关键词：知识追踪,学习行为,变量选择网络,选择性加权,门控残差网络

基金：国家自然科学基金资助项目(62377024)

现有的知识追踪（KT）模型未能有效利用学习行为信息，且忽略了不同学习行为对答题表现的贡献差异。因此，提出一种学习行为增强的知识追踪（LBBKT）模型。该模型采用门控残差网络（GRN）将学生的学习行为特征编码成4种上下文向量并把它们融入模型中，从而充分利用学习行为信息（答题速度、尝试次数和提示）更好地建模学生的学习过程。此外，利用变量选择网络对学生的学习行为特征进行选择性加权，并通过GRN抑制不相关特征的干扰，以增强相关特征对学生答题表现的影响，从而充分考虑不同学习行为对学生答题表现的差异性贡献。在多个公开数据集上的实验结果表明，LBBKT模型在预测准确性上显著优于对比的KT模型。

来源：2025年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第9期