融合遗忘和知识点重要度的认知诊断模型

智慧教育是人工智能的重点研究方向,如何利用试题中知识点并对学生的认知过程进行刻画是重中之重。针对认知诊断模型对学生和试题及其交互信息挖掘不充分的问题,文中提出了融合遗忘和知识点重要度的认知诊断模型。该模型根据学生对试题和知识点的历史交互,结合知识点难度信息引入遗忘因素,缓解了对学生信息挖掘不充分的问题;通过注意力机制获取试题对知识点的考查重要度信息,缓解了对试题信息挖掘不充分的问题;通过Transformer学习学生与试题间的交互,缓解了学生与试题交互不充分的问题。在经典数据集上的实验结果表明,文中模型在Math1、Math2、Assistment数据集上的准确率Acc、均方根误差RMSE、受试曲线面积AUC值分别为0.716、0.445、0.776、0.725、0.432、0.807、0.741、0.427和0.779,优于现有的其他对比模型,说明了知识重要度和时效性对于认知建模的重要性。

基于同类教材模糊综合评价的高职教材内容开发

文章依据教材继承性及发展的思路提出了教材内容开发的新模式,并辅以实例。首先,基于模糊综合评价确定知识点的重要度,确定教材宜选用的知识点及其编写的深度和篇幅;其次,基于工作过程及逻辑性,确定知识点的整合顺序,最终形成教材的内容。