Journal:电子学报
Abstract:知识追踪旨在评估学习者的学习状态，并根据先前的答题情况预测他们未来的答题表现.然而现有的知识追踪模型大多仅关注问题或技能间的关联，忽略了学生与问题间的结构关系.为此我们提出了基于学生-问题关联的异构图知识追踪模型（Student-Problem association based heterogeneous graph Knowledge Tracing model,SPKT）.该模型在知识追踪中融合了学生的学习能力和问题的重要性，并使用图注意力网络学习学生问题间的关联，获得学生、问题的嵌入表示并进行知识状态的预测.通过在真实公开数据集上的性能对比和模型消融实验，并可视化SPKT模型的知识追踪效果，证明了SPKT在预测性能上优于现有的知识追踪模型
Indexed by:Journal paper
Discipline:Engineering
First-Level Discipline:Computer Science and Technology
Document Type:J
Volume:51
Issue:12
Page Number:3549-3556
Translation or Not:no
Date of Publication:2023-12-15
Included Journals:EI