一种学生答题预测方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种学生答题预测方法、系统、设备及存储介质，相关方法包括：获取知识点层次结构，试题以及试题与知识点对应关系；根据所述知识点层次结构进行贝叶斯网络建模，推断学生的知识点掌握模式；结合试题在每个知识点中的难度表征试题状态，利用所述试题与知识点对应关系，通过参数转换器将学生的知识点掌握模式以及试题状态进行转换，获得学生特征与试题特征，并输入至认知诊断模型，预测出学生对试题的答题正确率。使用本发明专利技术提供的上述方案，能够高效精准地建模学生的知识点掌握模式，弥补了现有方法参数限制过强导致不能灵活地建模知识点层次的弊端，并且，也能够保证预测结果的准确度。测结果的准确度。测结果的准确度。

【技术实现步骤摘要】
一种学生答题预测方法、系统、设备及存储介质


[0001]本专利技术涉及人工智能和智能教育领域，尤其涉及一种学生答题预测方法、系统、设备及存储介质。

技术介绍

[0002]答题预测是人工智能和智能教育领域的一项基本任务，其目的是根据学生对知识点(知识属性)的认知水平估计学生在试题上的正答概率或答题得分。在智能教育系统中，由于学生的答题表现是试题推荐、课程设计、能力诊断等许多重要服务的参考依据，因此学生答题预测方案在智能教育服务中有着广阔的应用前景。由于在学生的学习过程中，知识点之间存在学习依赖关系，因此在答题预测方案中引入知识点层次结构对学生的答题预测至关重要。
[0003]目前，答题预测方案在答题预测中应用方法主要有以下方法：
[0004](1)基于项目反应理论的答题预测方案。
[0005]基于项目反应理论的答题预测方案使用单维标量或者低维向量抽象表示学生的认知水平，并且使用低维参数表征试题特征；然后使用类逻辑斯蒂函数计算学生正确回答题目的概率；最后使用MCMC(马尔科夫链蒙特卡洛方法)等参数优化方法优化模型，优化答题预测正确率。
[0006](2)基于认知理论的答题预测方案。
[0007]基于认知理论的答题预测方案使用变量直接建模学生在每个知识点上的认知水平。在这类方案中，每个试题均考察一部分知识点，试题与知识点的关系使用试题Q矩阵表示；学生对试题的答题正确率使用交互函数进行估计；最后使用Gibbs采样(吉布斯采样)、梯度下降等方法优化参数，估计学生在每个知识点的期望认知水平，从而更准确地预测学生的答题表现。代表方法包括基于神经认知诊断模型的答题预测方案。
[0008]目前，关于知识点层次结构在答题预测中的应用方法主要有以下方法：
[0009](1)基于规则的属性层次方法。
[0010]有学者提出利用知识点点层次结构，首先设定规则要求学生在任意父知识点的二元认知水平不小于其在子知识点上的认知水平；然后枚举学生在所有知识点上可能的认知水平组合；最后使用传统认知诊断模型计算以最大概率生成该学生答题记录的认知水平组合，并使用该认知水平组合计算学生在新题目上的答题概率。
[0011]上述方法有两点局限性：首先，当知识点数量较大时，时间复杂性是难以承受的。其次，用于建模知识点层次结构的假设过强，可能会丢失知识点层次结构的一些信息，而且不够灵活，不能适应所有情况。

技术实现思路

[0012]本专利技术的目的是提供一种学生答题预测方法、系统、设备及存储介质，能够高效精准地建模学生的知识点掌握模式，弥补了现有方法参数限制过强导致不能灵活地建模知识
点层次的弊端，并且，也能够保证预测结果的准确度。
[0013]本专利技术的目的是通过以下技术方案实现的：
[0014]一种学生答题预测方法，包括：
[0015]获取知识点层次结构，试题以及试题与知识点对应关系；
[0016]根据所述知识点层次结构进行贝叶斯网络建模，推断学生的知识点掌握模式；
[0017]结合试题在每个知识点中的难度表征试题状态，利用所述试题与知识点对应关系，通过参数转换器将学生的知识点掌握模式以及试题状态进行转换，获得学生特征与试题特征，并输入至认知诊断模型，预测出学生对试题的答题正确率。
[0018]一种学生答题预测系统，包括：
[0019]数据获取单元，用于获取知识点层次结构，试题以及试题与知识点对应关系；
[0020]网络建立与模式推断单元，用于根据所述知识点层次结构进行贝叶斯网络建模，推断学生的知识点掌握模式；
[0021]学生答题预测单元，用于结合试题在每个知识点中的难度表征试题状态，利用所述试题与知识点对应关系，通过参数转换器将学生的知识点掌握模式以及试题状态进行转换，获得学生特征与试题特征，并输入至认知诊断模型，预测出学生对试题的答题正确率。
[0022]一种处理设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；
[0023]其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现前述的方法。
[0024]一种可读存储介质，存储有计算机程序，当计算机程序被处理器执行时实现前述的方法。
[0025]由上述本专利技术提供的技术方案可以看出，运用基于贝叶斯网络的建模方法，充分利用了知识点层次结构，可以灵活高效地建模知识点层次关系，同时准确地建模学生用户在知识点上的掌握模式，弥补了现有方法时间复杂性过高，以及参数限制过强导致不能灵活地建模知识点层次的弊端，并且，也能够保证预测结果的准确度。
附图说明
[0026]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
[0027]图1为本专利技术实施例提供的一种学生答题预测方法的流程图；
[0028]图2为本专利技术实施例提供的一种学生答题预测系统的示意图；
[0029]图3为本专利技术实施例提供的一种处理设备的示意图。
具体实施方式
[0030]下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。
[0031]首先对本文中可能使用的术语进行如下说明：
[0032]术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述，应被解释为非排它性的包括。例如：包括某技术特征要素(如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等)，应被解释为不仅包括明确列出的某技术特征要素，还可以包括未明确列出的本领域公知的其它技术特征要素。
[0033]下面对本专利技术所提供的AAAA方法进行详细描述。本专利技术实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本专利技术实施例中未注明具体条件者，按照本领域常规条件或制造商建议的条件进行。本专利技术实施例中所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
[0034]实施例一
[0035]本专利技术实施例提供一种学生答题预测方法，如图1所示，主要包括：
[0036]步骤1、获取知识点层次结构，试题以及试题与知识点对应关系。
[0037]本专利技术实施例中，知识点层次结构包括：每个知识点的id，不同知识点之间是否存在有向边，由教育学专家或老师预先标注而得；具体的，知识点层次结构可以表示为有向无环图G＝(V,E)，其中，V表示节点集，每个节点对应一个知识点；E表示边集，每条有向边连接表示知识点之间的认知依赖关系，由父知识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学生答题预测方法，其特征在于，包括：获取知识点层次结构，试题以及试题与知识点对应关系；根据所述知识点层次结构进行贝叶斯网络建模，推断学生的知识点掌握模式；结合试题在每个知识点中的难度表征试题状态，利用所述试题与知识点对应关系，通过参数转换器将学生的知识点掌握模式以及试题状态进行转换，获得学生特征与试题特征，并输入至认知诊断模型，预测出学生对试题的答题正确率。2.根据权利要求1所述的一种学生答题预测方法，其特征在于，所述根据所述知识点层次结构进行贝叶斯网络建模，推断学生的知识点掌握模式包括：所述知识点层次结构表示为有向无环图G＝(V，E)，其中，V表示节点集，每个节点对应一个知识点；E表示边集，每条有向边连接表示知识点之间的认知依赖关系，由父知识点指向子知识点，表示子知识点依赖于父知识点；建立同构于知识点层次结构的贝叶斯网络，所述贝叶斯网络的每一个节点表示一个知识点，每一条有向边表示两个知识点之间的认知依赖关系；对于学生i和一个知识点v，使用m
iv
＝P(Θ
iv
＝1)表示学生i掌握知识点v的概率，m
iv
为学生i对知识点v的认知状态，学生i对所有知识点的认知状态构成的向量即为学生i的知识点掌握模式；其中，Θ
iv
表示学生i是否掌握知识点v，Θ
iv
＝1表示学生i掌握知识点v，Θ
iv
＝0表示学生i未掌握知识点v，Θ
iv
＝I(学生i掌握知识点v)，I(
·
)为示性函数，当且仅当括号中的事件为真时，函数值为1，否则函数值为0；对于学生i和一条有向边(u，v)，有向边(u，v)由知识点u指向知识点v，知识点u和知识点v分别为父知识点和子知识点；定义条件精通概率与与与表示学生i在掌握知识点u的情况下，能够掌握知识点v的概率，表示学生i在掌握知识点u的情况下，能够掌握知识点v的概率，表示学生i在未掌握知识点u的情况下，能够掌握知识点v的概率，并限制其中，Θ
iu
＝1表示学生i掌握知识点u，Θ
iu
＝0表示学生i未掌握知识点u；以知识点层次结构上的拓扑序顺序推断学生的知识点掌握模式，对于知识点v，根据知识点v的位置以及知识点v所具有的父知识点的数目，推断学生i的知识点v的认知状态m
iv
。3.根据权利要求2所述的一种学生答题预测方法，其特征在于，所述根据知识点v的位置以及知识点v所具有的父知识点的数目，推断学生i的知识点v的认知状态m
iv
包括：当知识点v为根节点时，知识点v没有父知识点，即父知识点集合p(v)为空集，则学生i的知识点v掌握模式m
iv
表示为：其中，参数表示m
iv
是预测学生i的答题分数的最优参数。4.根据权利要求2所述的一种学生答题预测方法，其特征在于，所述根据知识点v的位置以及知识点v所具有的父知识点的数目，推断学生i的知识点v的认知状态m
iv
包括：当知识点v不为根节点，且父知识点的数目为1时，学生i的知识点v掌握模式m
iv
表示为：其中，m
iu
表示学生i掌握知识点u的概率。
5.根据权利要求2所述的一种学生答题预测方法，其特征在于，所述根据知识点v的位置以及知识点v所具有的父知识点的数目，推断学生i的知识点v的认知状态m
iv
包括：当知识点v不为根节点，且父知识点的数目为z时，z＞1，令知识点v的父知识点集合p(v)＝{u1，...，u
z
}，u
l
表示第l个父知识点，l＝1，...，z，则学生i的知识点v掌握模式m
iv
表示为所有的联合函数：其中，表示联合函数；表示学生i掌握第l个父知识点u
l
的概率；表示学生i在掌握第l个父知识点u
l
的情况下，能够掌握知识点v的概率；表示学生i在未掌握第l个父知识点u
l
的情况下，能够掌握知识点v的概率。6.根据权利要求1所述的一种学生答题预测方法，其特征在于，所述结合试题在每个知识点中的难度表征试题状态，利用所述试题与知识点对应关系，通过参数转换器将学生的知识点掌握模式以及试题状态进行转换，获得学生特征与试题特征，并输入至认知诊断模型，预测出学生对试题的答题正确率的步骤包括：对试题状态进行表征：将试题记为J＝{e1，e2，...，e
M
}，其...

【专利技术属性】
技术研发人员：刘淇，陈恩红，李佳桐，黄振亚，汪飞，黄威，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：