基于认知诊断的个性化试题推荐方法

被引：86

作者：

朱天宇 ^{[1
]}

黄振亚 ^{[1
]}

陈恩红 ^{[1
]}

刘淇 ^{[1
]}

吴润泽 ^{[1
]}

吴乐 ^{[2
]}

苏喻 ^{[3
]}

陈志刚 ^{[1
]}

胡国平 ^{[4
]}

机构：

[1] 中国科学技术大学计算机科学与技术学院

[2] 合肥工业大学计算机与信息学院

[3] 安徽大学计算机科学与技术学院

[4] 科大讯飞股份有限公司

来源：

计算机学报 | 2017年 / 40卷 / 01期

基金：

国家杰出青年科学基金; 安徽省自然科学基金;

关键词：

协同过滤; 个性化试题推荐; 概率矩阵分解; 认知诊断; 知识点掌握;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

面向学生的个性化试题推荐是智能教育领域重要的研究课题,现有的试题推荐工作大多采用协同过滤的方法或基于认知诊断的方法.然而,协同过滤的试题推荐方法往往忽略了学生的学习状态(知识点掌握情况);基于认知诊断的方法只能建模单个学生的学习状态,不能利用相似学生的共性特征.针对以上问题,文中提出一种基于学生知识点掌握程度的协同过滤试题推荐方法.该推荐方法分为3步:第1步结合认知诊断模型,根据学生已有的答题情况和试题知识点的关联对学生的试题掌握水平进行建模;第2步将学生的试题掌握水平用于概率矩阵分解预测学生的答题情况;第3步根据得分预测和试题难度向学生进行相应的试题推荐.该推荐方法同时考虑了被推荐学生学习的个性和群组学生学习的共性,在保证试题推荐解释性的同时提高了试题推荐的可靠性.最后,文中通过大量对比实验证明了该方法在进行学生试题推荐时能够保持精确性和可解释性.

引用

页码：176 / 191

页数：16

共 11 条

[1]

对初中数学作业设计的几点思考[J]. 王化春.新课程(中学). 2013(10)

[2] 认知诊断DINA模型研究进展 [J].

张潇 ;

沙如雪 .

中国考试, 2013, (01) :32-37

[3]

优化高中数学作业设计的实践与研究[D]. 陈晓红.苏州大学. 2010

[4]

心理与教育测量[M]. 暨南大学出版社 , 戴海琦, 2011

[5] e-Learning recommender system for a group of learners based on the unified learner profile approach [J].

Dwivedi, Pragya ;

Bharadwaj, Kamal K. .

EXPERT SYSTEMS, 2015, 32 (02) :264-276

[6]

Introduction to the special section on educational data mining[J] . Toon Calders,Mykola Pechenizkiy.ACM SIGKDD Explorations Newsletter . 2012 (2)

[7]

E-Learning personalization based on hybrid recommendation strategy and learning style identification[J] . Computers & Education . 2010 (3)

[8]

31A Review of Cognitively Diagnostic Assessment and a Summary of Psychometric Models[J] . Louis V. DiBello,Louis A. Roussos,William Stout.Handbook of Statistics . 2007

[9]

Collaborative Information Filtering: A Review and an Educational Application[J] . Andrew Walker,Mimi M. Recker,Kimberly Lawless,David Wiley.International Journal of Artificial Intelligence in Education . 2004 (1)

[10]

Collaborative Information Filtering: A Review and an EducationalApplication[J] . Andrew Walker,Mimi M. Recker,Kimberly Lawless,David Wiley.International Journal of Artificial Intelligence . 2004 (1)

← 1 2 →