[发明专利]一种基于群体学习行为特征的知识追踪方法

说明书

本发明公开了一种基于群体学习行为特征的知识追踪方法，首先根据用户要学习的新领域收集该领域的历史答题数据，采用DKVMN模型提取每个学生对每个知识点的学习过程，即学生个人知识点的学习特征；然后，利用改进的K‑Means方法针对学生个人知识点的学习特征进行聚类，同时挖掘出每个类别群体知识点的学习特征；最后，利用学生群体学习特征和学生个人知识点的学习特征预测该用户在这个领域下的学习情况。相比于当前的知识追踪方法，本发明突破性地解决了如何在新领域下的知识追踪问题，同时极大地提高了知识追踪的准确度。

技术领域

本发明属于计算机技术领域，涉及一种知识追踪方法，具体涉及一种面向在线教育的基于群体学习行为特征的知识追踪方法。

背景技术

在线教育，主要是指包括如慕课系统(massive open online courses，简称MOOC)、智能导学系统(Intelligent Tutoring Systems，简称ITS)等在线学习系统。随着互联网中在线学习系统的蓬勃发展，越来越多的学生愿意通过网络来进行学习。在这种新型互联网教育场景中，学生们通常通过有目的性地交流、讨论问题、做练习题等交互反馈的形式来巩固学习内容或收获新知识。然而，在线学习系统存在着学生个人的自主学习效率低，系统本身智能个性化教学难的问题。其主要原因在于在线学习系统难以定量地分析每个学生对每个知识点的掌握情况，因而无法对学生的学习提供更好的辅助作用。

因而知识追踪的目的在于，在学生的时序性地学习活动中，追踪学生在每次学习后其对每个知识点掌握状态的变化过程，从而能够很好地解决当前在线教育中存在的问题。通常情况下，知识追踪问题一般定义如下：给定一个学生u_i在t时间范围的学习答题活动X，其中X＝(x₁,x₂,…,x_t)，x_t由t时刻学生所回答的题目和学生是否正确回答该题目两部分组成，预测t+1时刻学生答对下一题的概率。

发明内容

本发明开拓性地提出了一种面向在线教育的基于群体学习行为特征的知识追踪方法，该方法首先根据用户要学习的领域收集该领域的历史答题数据，采用DKVMN模型根据该领域中每个学生对每个知识点的学习过程提取学生个人知识点的学习特征；然后，利用改进的K-Means方法基于学生个人知识点的学习特征对学生进行聚类，挖掘出每个类别群体知识点的学习特征；最后，综合利用学生群体学习特征和学生个人知识点的学习特征预测该用户在这个领域下的学习情况。相比于当前的知识追踪方法，本发明突破性地解决了如何在新领域下的知识追踪问题，同时极大地提高了知识追踪的准确度。

本发明所采用的技术方案是：一种基于群体学习行为特征的知识追踪方法，其特征在于，包括以下步骤：

步骤1：利用DKVMN模型采集学生学习行为特征；

步骤2：聚类分析；

包括计算学生学习过程的相似性，并由此计算学生学习过程的差异性，最终根据差异性完成聚类过程并提取群体学习行为特征，利用群体行为特征和学生个人学习行为特征完成知识追踪的任务。

相对于现有技术，本发明的有益效果是：1、显著提高了知识追踪的准确度，不同于仅强化个人学习特征准确度的现有追踪方法技术，本发明还利用群体学习行为特征辅助追踪学生学习过程，提高了知识追踪的准确度；2、本发明更适用于在新领域下对学生的学习情况进行追踪，对于新领域的学习，由于个人学习数据稀少现有技术存在先天性的不足，然后本发明中提取的群体学习行为特征很好地弥补了这个缺陷。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例的DKVMN模型结构示意图。

具体实施方式