【技术实现步骤摘要】
本专利技术涉及知识追踪，尤其涉及一种基于大模型和因果分析的知识追踪方法和装置。
技术介绍
1、随着教育技术的不断发展，知识追踪已成为个性化教学和教学干预的重要工具。知识追踪通过分析学生在作答任务中的表现，能够预测学生对不同知识点的掌握程度，帮助教师、教学系统或学生自身进行及时的调整与干预。教师可以根据预测结果调整教学策略，学生可以针对薄弱知识点进行复习和提升。知识追踪的核心目标是通过对学生历史作答数据的分析，预测其未来对不同知识点的掌握程度。经典的贝叶斯知识追踪(bkt)通过隐马尔可夫模型对学生的作答数据建模，模拟知识状态的转移。随着深度学习等技术的引入，一系列优秀的kt(knowledge tracing，知识追踪)模型涌现出来，显著提升了kt模型的预测准确性。例如，深度知识追踪首次引入了循环神经网络(rnn)，通过神经网络来拟合时序的作答序列；动态键值记忆网络用于知识追踪使用了可读写的记忆矩阵来对知识概念演化进行建模；注意力知识追踪在transformer架构的基础上，使用单调注意力来建模遗忘机制对知识状态的影响；面向学习过程感知的...
【技术保护点】
1.一种基于大模型和因果分析的知识追踪方法，其特征在于，包括：
2.如权利要求1所述的基于大模型和因果分析的知识追踪方法，其特征在于，所述通过零样本提示学习驱动大语言模型对学生历史作答进行多维度分析，生成对历史作答内容的归因解释，包括：
3.如权利要求2所述的基于大模型和因果分析的知识追踪方法，其特征在于，所述利用时序因果注意力机制对待测试题与历史作答内容的归因解释之间的关联进行量化分析，得到因果解释集合，包括：
4.如权利要求3所述的基于大模型和因果分析的知识追踪方法，其特征在于，所述因果解释子集包括局部解释级特征和全局解释级特征...
【技术特征摘要】
1.一种基于大模型和因果分析的知识追踪方法，其特征在于，包括：
2.如权利要求1所述的基于大模型和因果分析的知识追踪方法，其特征在于，所述通过零样本提示学习驱动大语言模型对学生历史作答进行多维度分析，生成对历史作答内容的归因解释，包括：
3.如权利要求2所述的基于大模型和因果分析的知识追踪方法，其特征在于，所述利用时序因果注意力机制对待测试题与历史作答内容的归因解释之间的关联进行量化分析，得到因果解释集合，包括：
4.如权利要求3所述的基于大模型和因果分析的知识追踪方法，其特征在于，所述因果解释子集包括局部解释级特征和全局解释级特征；在利用gumbel-softmax作为因果解释选择器对经融合处理后的所述注意力分值进行离散化，得到因果解释子集和背景解释子集之后，还包括：
5.如权利要求3所述的基于大模型和因果分析的知识追踪方法，其特征在于，所述通过因果干预方法对所述因果解释子集和所述背景解释子集进行处理，生成多个虚拟的反事实序列，利用层次聚合网络对所述反事...
【专利技术属性】
技术研发人员：黄涛，徐卓然，赵世玉，胡盛泽，张振梅，耿晶，马文波，蔡杰，高竹，
申请(专利权)人：宁夏师范大学，
类型：发明
国别省市：
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。