公开(公告)号：CN117556343A

公开(公告)日：2024-02-13

申请号：CN202311585786.3

申请日：2023-11-24

Applicant: 东北大学

Inventor： 张天成 ,  冯昕 ,  方莹 ,  刘恒宇 ,  刘迎婕 ,  于明鹤 ,  于戈

IPC: G06F18/2415 ,  G06Q50/20

Abstract: 本发明提供一种基于Bloom认知理论的知识熟练度计算方法，涉及教育数据挖掘技术领域。该方法首先将学生做题日志和标记的题目‑‑知识点矩阵，分别定义为矩阵R和矩阵Q，进行层级理论假设和层间理论假设，构建知识熟练度计算模型；然后分别利用基于矩阵分解和神经网络BloomCDM的方法，实现BloomCDM模型参数的学习，进而确定学生的知识熟练度矩阵；最后设计高阶知识组结构发现模型HKG‑D，采用特征降维算法和聚类算法，获取高阶知识组结构，从知识组中抽象出高阶知识点，进而完善高阶知识组结构的构建。该方法在建模过程中，提出了知识组和高阶知识组的概念，完善了教育理论在计算科学中的表示。

公开(公告)号：CN117494810A

公开(公告)日：2024-02-02

申请号：CN202311446003.3

申请日：2023-11-02

Applicant: 东北大学

Inventor： 张天成 ,  方莹 ,  王铭雪 ,  刘恒宇 ,  孙艳红 ,  于明鹤 ,  于戈

IPC: G06N5/025 ,  G06N20/00

Abstract: 本发明提供一种基于学习者认知风格的可解释知识追踪方法，涉及教育数据挖掘技术领域。本发明将信息加工的知识追踪模型IPKT与认知风格概念结合，得到基于认知风格的可解释知识追踪模型CSKT，其中，识别层根据学习者的认知风格提取题目中被学习者关注到的习题信息，从学习者知识状态中提取学习者认为能够用来解决习题的知识，定义层根据识别层的输出信息来表征题目，探索层预测学习者在题目上的表现，回顾层根据习题、真实和预测的答题反馈以及学习者的认知风格来更新学习者知识状态及认知风格。本发明能够个性化的建模学习者的知识掌握水平，并预测学习者未来的答题表现，有效解决知识追踪模型缺乏个性化和可解释性差的问题。