DMKT-Learning from Non-Assessed Resources: Deep Multi-Type Knowledge Tracing
ABSTRACT
最新的知识追踪方法大多使用学生在可评估的学习资源类型(如测验、作业和练习)中的表现来建模学生的知识,而忽略了非评估的学习资源。然而,许多学生活动是未经评估的,如观看视频讲座,参加论坛,阅读教科书的一节,所有这些都可能有助于学生的知识增长。在本文中,我们提出了第一个新颖的基于深度学习的知识追踪模型(DMKT),该模型明确地模拟了学生在评估和非评估的学习活动中的知识转移。利用 DMKT,我们可以发现每个非评估和可评估的学习材料的潜在概念,并更好地预测学生在未来评估的学习资源中的表现。我们在四个真实的数据集上将我们提出的方法与各种最新的知识跟踪方法进行了比较,显示了它在预测学生表现、表示学生知识和发现潜在领域模型方面的有效性。