深度知识追踪在适应性学习系统的应用

李蓬

(北京建筑大学电气与信息工程学院，北京 100044)

0 引言

在线教育平台为学习者提供了一个方便、灵活的学习环境，能够充分满足每个学习者的学习偏好和学习需求。但是，目前的在线教育忽视了学习者的具体情况和个体特征，向学习者提供相同的学习资源，这容易引起学习者信息迷航和学习困难。20世纪90年代，建构主义教育理论的流行和计算机网络技术的飞速发展促进了适应性学习系统的产生。适应性学习系统以学习者为中心，通过监测学习者和学习过程，推断学习者的学习需求和学习状态，然后为每个学习者提供不同的学习材料、学习策略和指导，从而提高学习成效。

学习者已有的知识结构是学习新知识的起点。因此，准确地分析学习者的知识水平是构建适应性学习系统的关键。知识追踪可以根据学习者的学习行为数据，预测学习者对所学知识的掌握情况，为后续的教学设计提供依据。传统的知识追踪方法，如贝叶斯知识追踪(Bayesian Knowledge Tracing，BKT)，没有考虑知识概念之间的关系，且难以解决多知识概念的问题。认知诊断方法，如IRT和DINA等，需要对大量的习题进行标注。深度知识追踪(Deep Knowledge Tracing，DKT)是指采用深度学习以实现知识追踪的技术[1]。DKT不仅可以解决上述问题，而且取得了更好的预测效果[2]。目前，DKT成为在线教育中分析学习者知识水平的一个研究热点。

适应性学习是当前智慧教育的一个重要特征，使得学习过程更加个性化，真正实现了因材施教的教育理想。……