面向学生答题日志的异常检测方法技术

本发明专利技术公开了一种面向学生答题日志的异常检测方法，包括如下步骤：S1、采集学生进行在线学习的答题行为，对所采集到的数据进行数据清洗，提取有效信息；S2、利用CART将学生答题过程中的提示使用特征嵌入DKT模型；S3、从学生的相邻试题练习时间间隔、相同试题历史练习次数建模学生遗忘规律；S4、在DKT模型的基础上，引入学生提示特征和遗忘特征，预测时间序列中学生对试题的掌握；S5、基于学生试题掌握程度的变化，利用逻辑回归计算学生状态异常的概率。本发明专利技术基于DKT和CART，引入多维学生个性化特征，提升了知识追踪和异常检测的准确性。

【技术实现步骤摘要】

本专利技术涉及在线学习知识追踪，特别涉及一种面向学生答题日志的异常检测方法。

技术介绍

1、在线学习平台的发展为学生提供了便捷的试题练习方式。学生可以通过在线学习平台获取丰富的题库资源，随时随地学习知识。在线学习平台为师生提供了一种广泛的、便利的、智能的教学互动方式。近年来，出现了许多为学生提供试题练习的在线学习平台，例如assistment、coursera、edx等。然而，学生在使用在线学习平台进行练习的过程中，极易出现一种异常的学习行为，即，学生重复固定的问题，花大量时间在练习上，却无法掌握知识点，称为钻牛角尖行为。钻牛角尖行为极大地降低了学生的学习效率，但却具有隐蔽性，不容易被系统发现，难以及时纠正。由此行为导致学生持续无效的学习也会削弱学生的自信心，消磨学生的意志力，影响学生的学习热情和学习效果。因此，及时检测和有效地防止学生的钻牛角尖行为对于帮助学生提高学习效率至关重要。

2、传统的异常行为检测中，往往通过自编码器、生成对抗网络、端到端神经网络模型的预测结果的差异对比来检测异常。但是，在检测学生钻牛角尖行为时，这些方法还有一些缺陷：本文档来自技高网...

【技术保护点】

1.一种面向学生答题日志的异常检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：

3.根据权利要求1所述的方法，其特征在于，步骤S2具体为：

4.根据权利要求1所述的方法，其特征在于，步骤S3从学生在线学习的答题行为的相邻试题练习时间间隔Δt、相同试题历史练习次数m建模学生遗忘，对应以下两个维度建模学生遗忘；

5.根据权利要求1所述的方法，其特征在于，步骤S4具体为：

6.根据权利要求1所述的方法，其特征在于，步骤S5具体为：

7.一种计算机可读存储介质，其上存储有计算机...

【技术特征摘要】

1.一种面向学生答题日志的异常检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤s1具体为：

3.根据权利要求1所述的方法，其特征在于，步骤s2具体为：

4.根据权利要求1所述的方法，其特征在于，步骤s3从学生在线学习的答题行为的相邻试题练习时间间隔δt、相同试题历史练习次数m建模学生遗忘，对应以下两个维度建模学生遗忘；

5.根据权利要求1所述的方法，其特征在于，步骤s4具...

【专利技术属性】
技术研发人员：陈铭子，魏昕，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：