典型文献
面向智慧教育的知识追踪模型研究综述
文献摘要：
知识追踪(KT)作为智慧教育领域的重点研究方向之一,利用智能辅导系统(ITS)提供的大量学习轨迹信息对学生进行建模,自动衡量学生的知识水平,为其提供个性化的学习方案,达到人工智能辅助教育的目的.全面回顾了面向智慧教育的知识追踪模型研究进展,三类具有代表性的模型分别为基于贝叶斯的知识追踪、基于Logistic模型的知识追踪以及近年来迅速发展并且表现出更好性能的深度学习知识追踪.基于贝叶斯的知识追踪分为贝叶斯知识追踪(BKT)以及结合个性化、知识相关性、节点状态与现实问题扩展的BKT模型;基于Logistic模型的知识追踪分为项目反应理论(IRT)与因子分析模型两类;基于深度学习的知识追踪分为深度知识追踪(DKT)及其改进模型以及设计网络结构与引入注意力机制.介绍了目前可供研究者们使用的国际公开教育数据集与常用的模型评估指标,比较和分析了不同类型方法的性能、特点以及应用场景,并对当前研究所存在的问题以及未来发展方向进行探讨与展望.
文献关键词：
知识追踪(KT);智慧教育;贝叶斯网络;Logistic模型;深度学习
中图分类号：
作者姓名：
曾凡智;许露倩;周燕;周月霞;廖俊玮
作者机构：
佛山科学技术学院 计算机系,广东 佛山 528000
文献出处：
引用格式：
[1]曾凡智;许露倩;周燕;周月霞;廖俊玮-.面向智慧教育的知识追踪模型研究综述)[J].计算机科学与探索,2022(08):1742-1763
A类：
人工智能辅助教育
B类：
智慧教育,知识追踪,追踪模型,智能辅导系统,ITS,轨迹信息,知识水平,学习方案,教育的目的,全面回顾,好性,学习知识,BKT,识相,点状,问题扩展,项目反应理论,IRT,因子分析模型,深度知识,DKT,改进模型,设计网,注意力机制,教育数据,模型评估,类型方法,贝叶斯网络
AB值：
0.337775
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。
