.png){kind=icon}
返回
Enhancing knowledge tracing through course map and question difficulty analysis
.png){kind=icon}
OA
AI
DOI：10.1016/j.array.2025.100523.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• CMDKT模型整合了概念图和问题难度，以增强知识追踪。通过建模先决概念关系和难度级别，CMDKT提高了预测学生知识状态的准确性。
• CMDKT在多个数据集上超越了当前最优模型（如DKT和GKT），AUC提升高达2.47%，准确率提高2.32%，表明在ASSIST09和DBE-KT22数据集上均具有强大的泛化能力。
• CMDKT通过双GRU架构捕捉学习复杂性：一个GRU建模概念依赖关系（拓扑嵌入），另一个捕捉知识的时间演变，以实现更好的个性化。
• 随着先决概念对数量的增加，CMDKT展现出持续的性能提升。准确率稳步提高（例如从0.7845升至0.7976），验证了关系学习结构的重要性。
Keyword:
Intelligent education
Knowledge tracing
Concept map
Difficulty effect
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:
4.5
论文数:
942
被引数:
1.2K
机构
引用论文
分享收藏Z. Li, X. Wang, J. Zhao, W. Guo, J. Li, Hycube: Efficient knowledge hypergraph 3d circular convolutional embedding, IEEE Trans. Knowl. Data Eng. 37 (4) (2025) 1902–1914.Z. Li, X. Wang, J. Zhao, W. Guo, J. Li, Hycube: 高效知识超图三维环形卷积嵌入，IEEE Trans. Knowl. Data Eng. 37 (4) (2025) 1902–1914..png)
IF0
PREAI
分享收藏Context-Aware Attentive Knowledge TracingProceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningOAAI
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
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J. Xia, Y. Tang, T. Zhao, J. Li, Aucm: Course map data analytics for australian it programs in higher education, in: W. Chen, L. Yao, T. Cai, S. Pan, T. Shen, X. Li (Eds.), Proceedings of the 18th International Conference on Advanced Data Mining and Applications (ADMA), Springer Nature Switzerland, Cham, 2022, pp. 158–172. doi:10.1007/978-3-031-22064-7_13.J. Xia, Y. Tang, T. Zhao, J. Li, Aucm: 澳大利亚高等教育IT项目课程地图数据分析, in: W. Chen, L. Yao, T. Cai, S. Pan, T. Shen, X. Li (Eds.), 第18届高级数据挖掘与应用国际会议论文集 (ADMA), Springer Nature Switzerland, Cham, 2022, pp. 158–172. doi:10.1007/978-3-031-22064-7_13.
IF0
PREAI
分享收藏
查看更多内容