.png){kind=icon}
返回
A lightweight knowledge tracing method for multi-source heterogeneous data based on LLMs and GANs
.png){kind=icon}
OA
AI
DOI：10.1016/j.aej.2026.04.035.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识追踪（KT）对个性化教育至关重要，但其面临建模复杂多源异构数据的需求与实时计算效率要求之间的未解决张力。本文提出LG-MKT，一种轻量级KT方法，整合大型语言模型（LLMs）和生成对抗网络（GANs）。LG-MKT利用LLMs离线构建语义锚点，确保跨源一致性且无推理开销。同时，基于GAN的正则化器调和潜在分布以缓解数据稀疏性。在ASSIST09、EdNet和MOOCCube上的实验表明，LG-MKT以0.31ms的推理延迟优于基线方法。具体而言，该模型在MOOCCube上达到AUC 0.845，并将MAE等误差指标最多降低8.76%，展示了预测精度与现实世界可部署性之间的卓越平衡。
Keyword:
Knowledge tracing
Large language models
Generative adversarial networks
Multi-source heterogeneous data
Lightweight modeling
Data mining
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.8
论文数:
6.3K
被引数:
2.6W
机构
暂无机构信息
引用论文
分享收藏Achieving Peak Performance for Large Language Models: A Systematic Review实现大型语言模型的峰值性能: 系统综述.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Addressing the assessment challenge with an online system that tutors as it assesses通过导师评估的在线系统解决评估挑战
PREAI
分享收藏A Systematic Literature Review of Student’ Performance Prediction Using Machine Learning Techniques使用机器学习技术预测学生成绩的系统文献综述OAAI
OAAI分享收藏SPAKT: A Self-Supervised Pre-TrAining Method for Knowledge TracingSPAKT: 一种用于知识追踪的自监督预训练方法IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏ChatGPT for good? On opportunities and challenges of large language models for educationChatGPT好吗？论大语言模式对教育的机遇与挑战OAAI
OAAI分享收藏
查看更多内容