【技术实现步骤摘要】
本专利技术涉及学习分析领域，更具体地，涉及一种基于时间卷积的知识跟踪方法。
技术介绍
1、大数据技术迅速发展，数据驱动的智能教育服务使得学习者的个性化学习成为可能，但是，如何通过学习者在在线学习平台上的学习过程性数据准确、全面进行学习者建模，是个性化学习的难题。知识跟踪为这一难题的研究开拓了新思路，知识跟踪是基于学习者答题行为序列进行建模，预测学习者知识掌握状态的一种技术，通过知识跟踪，老师能够及时掌握学生对知识的掌握程度，进一步有针对性地为学生布置习题，实现因材施教，提升学习效率。
2、知识跟踪算法大致分为两类：传统的基于机器学习方法和深度学习知识跟踪。在第一类算法中，贝叶斯知识跟踪是一个有代表性的算法，它假设学生的知识状态是一组二元变量，根据学生的答题成绩采用隐马尔科夫链更新知识状态。另外一种典型的方法是因子分析法，经典模型是项目反应理论，它衡量学生的能力和问题难度，进而评估学生的能力和他们正确回答问题的概率。
3、基于深度学习方法的知识跟踪通过跟踪学生实时的知识掌握变化情况，从而揭示学生知识点掌握的强弱程度...
【技术保护点】
1.一种基于时间卷积的知识跟踪方法，其特征在于，包括：
2.根据权利要求1所述的基于时间卷积的知识跟踪方法，其特征在于，每一条所述的学习交互记录具体包含学生、问题信息、回答情况、技能点。
3.根据权利要求1所述的基于时间卷积的知识跟踪方法，其特征在于，对于个学生，个问题信息，个技能点，，所述构建时间卷积注意力知识跟踪模型TCAKT-E具体包括：
4.根据权利要求3所述的构建时间卷积注意力知识跟踪模型TCAKT-E，其特征在于，所述获取学生经验表征具体计算如下：
5.根据权利要求3所述的构建时间卷积注意力知识跟踪模型TCA...
【技术特征摘要】
1.一种基于时间卷积的知识跟踪方法，其特征在于，包括：
2.根据权利要求1所述的基于时间卷积的知识跟踪方法，其特征在于，每一条所述的学习交互记录具体包含学生、问题信息、回答情况、技能点。
3.根据权利要求1所述的基于时间卷积的知识跟踪方法，其特征在于，对于个学生，个问题信息，个技能点，，所述构建时间卷积注意力知识跟踪模型tcakt-e具体包括：
4.根据权利要求3所述的构建时间卷积注意力知识跟踪模型tcakt-e，其特征在于，所述获取学生经验表征具体计算如下：
5.根据权利要求3所述的构建时间卷积注意力知识跟踪模型tcakt-e，其特征在于，所述使用tcan对学生行为数据<mfenced open="[" close="]"><mrow&g...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。