基于特征嵌入的学生知识点熟练度预测

学生知识点熟练度是教师为学生制定学习计划的重要依据.为解决认知诊断中无法概率化学生知识点熟练度的问题,提出了将知识点作为特征嵌入的预测方法.该方法分别对学生和试题建立知识点向量,并且构造卷积神经网络进行监督学习,根据学生的答题情况不断调整他们的知识点熟练度.实验结果与现有的方法进行对比,验证了该方法的准确率的确有所提升.

基于认知诊断和神经网络的试题得分预测

随着教育越来越走向信息化,大量的教育数据会被保存,在海量教育数据中挖掘出学生的潜在信息是智能教育中非常值得研究的问题之一。针对目前大多数得分预测都是预测一个总分,无法具体到每一题得分预测的问题,对考试中存在的主要题型进行了研究,结合现有试题得分预测方法,指出其优势与不足,提出基于认知诊断和神经网络分别预测客观题和主观题得分的方法。该方法结合认知诊断理论计算出学生的知识状态,通过矩阵算法来预测学生在每道客观题上的得分,再将学生的知识状态作为特征,学生得分作为训练标签,使用卷积神经网络来训练并且预测学生在每道主观题上的得分。将两种方法分别与传统方法进行比较,结果表明两种方法分别在客观题和主观题上的效果比传统方法提高了很多。