Programming knowledge tracing based on knowledge concept identification and hierarchical modeling

Haiping Zhu

doi:10.1016/j.neucom.2026.134187

Programming knowledge tracing based on knowledge concept identification and hierarchical modeling

2026-06-02

0

PRE

AI

DOI：10.1016/j.neucom.2026.134187

原文链接

原文求助

摘要

En 中文

程序知识追踪（PKT）旨在基于包含问题-答案（代码）实例的数据集评估学生知识概念的掌握程度并预测其未来表现。然而，每个实例仅标注了少数知识概念，缺乏所有相关概念以及它们之间的过程性和层级关系。这导致编程过程信息利用不足，并阻碍从系统性角度对学生的编程掌握程度进行精细粒度评估。为解决此问题，我们提出PKT-KCIHM，一种基于知识概念识别和层级建模的PKT方法。具体而言，我们设计了一种受“思维树”启发的自验证知识概念识别算法，以识别问题-知识概念和答案-知识概念的关系。基于上述关系，我们构建了编程课程的层级图，并设计了一种双维度LSTM网络以捕捉学生的知识状态。最后，我们提出了一个联合损失函数，在知识追踪预测损失中增加了掌握度约束损失。在三个数据集上的广泛实验结果表明PKT-KCIHM的有效性。

Programming knowledge tracing based on knowledge concept identification and hierarchical modeling

摘要

期刊

机构

引用论文