增强认知诊断结果的可解释性-邢倚康.pdfVIP

BeijingForestStudio

ThenameoftheDepartment

北京理工大学信息系统及安全对抗实验中心

部门名称

增强认知诊断结果的可解释性

硕士研究生邢倚康

2024年10月13日

问题回溯

•相关内容

–2024.04.21周瑾洁《认知诊断前沿探索—精准学习状态建模》

–2024.04.14杨晓楠《个性化学习路径推荐—量身打造专属于你的学习Plan》

–2023.09.03杨晓楠《认知诊断技术及其研究》

2

内容提要

•预期收获

•内涵解析与研究目标

•研究背景与意义

•研究历史与现状

•知识基础

•算法原理

–QCCDM

–ORCDF

•特点总结与未来展望

•参考文献

3

预期收获

•预期收获

–掌握认知诊断技术的基本概念与研究方法

–理解认知诊断技术的应用原理

–了解认知诊断的发展前景

4

内涵解析与研究目标

•内涵解析

–认知诊断：研究学习者某一时间段学习行为，分析挖掘

基于这些行为的认知状态（如对知识概念的熟练程度）

–认知诊断结果的可解释性：不同学生对不同知识概念的

熟练程度应符合实际情况

•存在前提关系的一对概念，其熟练程度应具有正相关性

•不同学生对于知识概念的熟练程度应具有一定差异性

•研究目标

–以学习者建模为研究对象，面向智能教育系统中的认知诊断任务

–结合深度学习、图神经网络等技术

–深入分析学习者的认知状态，增强其可解释性，为教学设计、个性化学习路径推

荐等下游任务提供更准确的支持和指导

5

研究背景与意义

•研究背景

–传统教学模式下，由于时间和空间的限制，教师无法为每

一个学生都制定个性化学习方案

–智能教育系统广泛应用，通过分析大量的在线数据帮助学

生找准知识上的薄弱点，提供个性化学习方案

–越来越多的学生通过在线学习的方式来提升自己的知识水

平，我国在线教育用户规模已达4.23亿，规模空前

•研究意义

–深入分析学习者的认知状态，为教学设计、个性化学习路

径推荐等下游任务提供更准确的支持和指导

–深化智能教学系统，致力于优化学习者的个性化学习体验，

具有重要的理论意义

6

研究历史与现状

Wang等提出了CDGK，运

Frederic提出了IRT模型，Reckase提出了MIRT，将Wang等提出了KaNCD，Qian等提出了ORCDF，

用神经网络捕捉练习特征、

综合考虑学生能力、练习学习者的能力水平由单个