公开(公告)号：CN116051329A

公开(公告)日：2023-05-02

申请号：CN202310123264.5

申请日：2023-02-06

Applicant: 中国科学技术大学

Inventor： 陈恩红 ,  毕昊阳 ,  刘淇

IPC: G06Q50/20 ,  G06F18/214 ,  G06F18/20 ,  G06N5/04

Abstract: 本发明公开了一种面向稀疏数据场景的认知诊断方法、系统、设备及介质，可以基于有限的学习记录准确评估新的学习者的认知状态，具体的通过贝叶斯层次建模和数据驱动的元学习技术，得到包含概率分布信息和元知识信息的认知诊断结果，可以为智能教育系统在用户冷启动等稀疏数据场景下的实践提供一定的技术支持，进而帮助智能教育系统更好地为学习者提供适合学习情况的个性化服务。

公开(公告)号：CN112330509B

公开(公告)日：2023-06-16

申请号：CN202011216274.6

申请日：2020-11-04

Applicant: 中国科学技术大学

Inventor： 陈恩红 ,  刘淇 ,  毕昊阳 ,  黄振亚 ,  阴钰 ,  马海平

IPC: G06Q50/20 ,  G06Q10/0639 ,  G06F17/18 ,  G06N20/00

Abstract: 本发明公开了一种模型无关的自适应测试方法，其特征在于，包括：根据考生的历史答题记录估计考生认知状态，从而预测考生对未测试题目集合中每一道题目答对概率，并通过模型无关的信息量评估函数，量化未测试题目集合中每一道题目的信息量，根据信息量大小选择排名靠前的KC个题目组成高质量候选集；通过模型无关的题集多样性评估函数，并结合题目中知识点的重要性权重，来量化已测试题集的多样性,从高质量候选集中选择使得多样性的边界增益最大的题目作为本次选题的最终结果。该方法剥离算法对模型底层细节的依赖，使得该方法适用于现有所有认知诊断模型，降低了自适应测试系统的耦合性，提高其灵活性。

公开(公告)号：CN112330509A

公开(公告)日：2021-02-05

申请号：CN202011216274.6

申请日：2020-11-04

Applicant: 中国科学技术大学

Inventor： 陈恩红 ,  刘淇 ,  毕昊阳 ,  黄振亚 ,  阴钰 ,  马海平

IPC: G06Q50/20 ,  G06Q10/06 ,  G06F17/18 ,  G06N20/00

Abstract: 本发明公开了一种模型无关的自适应测试方法，其特征在于，包括：根据考生的历史答题记录估计考生认知状态，从而预测考生对未测试题目集合中每一道题目答对概率，并通过模型无关的信息量评估函数，量化未测试题目集合中每一道题目的信息量，根据信息量大小选择排名靠前的KC个题目组成高质量候选集；通过模型无关的题集多样性评估函数，并结合题目中知识点的重要性权重，来量化已测试题集的多样性,从高质量候选集中选择使得多样性的边界增益最大的题目作为本次选题的最终结果。该方法剥离算法对模型底层细节的依赖，使得该方法适用于现有所有认知诊断模型，降低了自适应测试系统的耦合性，提高其灵活性。