典型文献
基于深度学习的知识追踪研究进展
文献摘要：
知识追踪是教育数据挖掘领域的一个重要研究方向,其目标是通过建立学生知识状态随时间变化的模型,来判断学生对知识的掌握程度并从学生的学习轨迹中挖掘出潜在的学习规律,从而提供个性化的指导,达到人工智能辅助教育的目的 .深度学习因其强大的特征提取能力,已被证明能显著提升知识追踪模型的性能而越来越受到各方重视.以最基本的深度知识追踪模型为起点,全面回顾了该研究领域的研究进展,给出了该研究领域技术改进、演化脉络图,并从针对可解释问题的改进、针对长期依赖问题的改进、针对缺少学习特征问题的改进3个主要技术改进方向做了深入阐述和比较分析,同时对该领域中的已有模型做了归类,整理了可供研究者使用的公开数据集,考察了其主要应用,最后,对基于深度学习的知识追踪的未来研究方向进行了展望.
文献关键词：
教育数据挖掘;深度学习;知识追踪;循环神经网络;人工智能辅助教育
中图分类号：
作者姓名：
刘铁园;陈威;常亮;古天龙
作者机构：
广西可信软件重点实验室(桂林电子科技大学) 广西桂林541004;桂林电子科技大学电子工程与自动化学院 广西桂林541004;暨南大学信息科学与技术学院/网络安全学院 广州 510632
文献出处：
引用格式：
[1]刘铁园;陈威;常亮;古天龙-.基于深度学习的知识追踪研究进展)[J].计算机研究与发展,2022(01):81-104
A类：
人工智能辅助教育
B类：
知识追踪,追踪研究,教育数据挖掘,立学,学生知识,知识状态,掌握程度,挖掘出,学习规律,教育的目的,特征提取能力,追踪模型,深度知识,全面回顾,技术改进,演化脉络,可解释,学习特征,特征问题,主要技术,改进方向,公开数据集,主要应用,未来研究方向,循环神经网络
AB值：
0.352023
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
