一种知识追踪方法、介质及设备技术

本发明专利技术公开了一种知识追踪方法、介质及设备，方法包括：获取习题的情境信息及习题的绝对难度，生成增强的习题表征；获取学习者的历史时序认知状态，根据学习者的认知状态与时序的关系，得到认知状态总体趋势；获取学习者上一时刻认知状态和当前习题作答结果，基于增强的习题表征与认知状态总体趋势，依据最近发展区理论动态更新得到学习者的当前认知状态；基于学习者的当前认知状态，预测得到学习者正确作答目标习题的概率。本发明专利技术能够通过大语言模型动态融合习题难度与认知时序，基于最近发展区理论实现知识追踪，精准预测学习者的认知状态演化与作答表现。

【技术实现步骤摘要】

本专利技术涉及一种知识追踪方法、介质及设备，属于教育人工智能与认知计算。

技术介绍

1、知识追踪（knowledge tracing，kt）作为教育人工智能的核心技术，旨在通过分析学习者的历史作答序列，动态建模其认知状态演化过程，为个性化教学提供决策依据。随着在线教育的发展，现有研究主要通过改进习题难度建模和改进大语言模型（llm）融合两种方向提升追踪精度。

2、在改进习题难度建模方向，早期模型如ekt（exercise-enhanced kt）采用文本分析测量习题语义难度；进阶方案akt（adaptive kt）引入基于项目反应理论（irt）为基础的习题嵌入机制，对习题难度进行建模，以获取更为精准的习题表征；最新研究dimkt（difficulty-integrated kt）将难度指标融入认知状态更新全流程。然而，这些方法仅隐式考虑习题静态难度，未建立"认知状态-难度"动态交互机制，导致无法反映学习者作答时的主观难度感受。

3、在改进大语言模型（llm）融合方向，方案llmkt利用提示方法识别教学对话中的知识点，产生标注数据增强本文档来自技高网...

【技术保护点】

1.一种知识追踪方法，其特征在于，包括：

2.根据权利要求1所述的知识追踪方法，其特征在于，所述获取习题的情境信息及习题的绝对难度，生成增强的习题表征，包括：

3.根据权利要求1所述的知识追踪方法，其特征在于，所述获取学习者的历史时序认知状态，根据学习者的认知状态与时序的关系，得到认知状态总体趋势，包括：

4.根据权利要求1所述的知识追踪方法，其特征在于，所述获取学习者上一时刻认知状态和当前习题作答结果，基于增强的习题表征与认知状态总体趋势，依据最近发展区理论动态更新得到学习者的当前认知状态，包括：

5.根据权利要求4所述的知识追踪方法，其...

【技术特征摘要】

1.一种知识追踪方法，其特征在于，包括：

2.根据权利要求1所述的知识追踪方法，其特征在于，所述获取习题的情境信息及习题的绝对难度，生成增强的习题表征，包括：

3.根据权利要求1所述的知识追踪方法，其特征在于，所述获取学习者的历史时序认知状态，根据学习者的认知状态与时序的关系，得到认知状态总体趋势，包括：

4.根据权利要求1所述的知识追踪方法，其特征在于，所述获取学习者上一时刻认知状态和当前习题作答结果，基于增强的习题表征与认知状态总体趋势，依据最近发展区理论动态更新得到学习者的当前认知状态，包括：

5.根据权利要求4所述的知识追踪方法，其特征在于，所述通过包含门控循环单元的神经网络处理所述习题相对难度，输出主观难度感受，通过下式表示：

6.根据...

【专利技术属性】
技术研发人员：张所娟，龙佳琪，郝文宁，崔静，相力，陈泽君，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：