基于知识点扩增网络的薄弱认知诊断

钟昌梅　张明西　戴江海　赵瑞

关键词：知识点扩增网络；认知诊断；随机游走；TD-IDF

中图分类号：TP391 文献标识码：A 文章编号：1006-8228（2023）11-28-06

0 引言

随着计算机技术的飞速发展和跨学科研究的不断融合，智能教学辅助系统日益受到人们的关注[1]。在这一背景下，认知诊断作为智能教辅系统中的核心问题，近年来备受关注，认知诊断主要目的在于发现学生在学习过程中的知识状态[2]。通常认知诊断报告在智能教辅系统中对于提高学生学习效率和教师教学质量至关重要，可为后续的个性化补救和教学计划的改进提供帮助。

目前，针对认知诊断已有一些相关研究，如基于确定性输入、噪声和门的模型[3]（DINA），项目响应理论[4]（IRT），多维IRT[5]（MIRT）和矩阵分解[6]（MF）。这些方法在某些方面取得了一定的成果，但大多数方法仅针对学生进行全面的认知诊断，并未对学生薄弱的认知做深入分析。为了解决这一问题，一些学者提出了基于神经网络的方法，将习题的难易程度作为习题特征引入认知诊断模型，以发现学生和习题之间的更深层次的关系[7]。尽管该方法在预测学生行为方面取得了巨大的成功，但仍然存在一些不足。首先，该方法在利用知识概念信息方面有所欠缺，而知识概念信息对于学生成绩预测有重要作用。其次，该方法难以处理学生与习题之间的高阶协同信息。

学生的答题信息与习题以及知识点之间的互动关系构成了学生-习题-知识点的知识点扩增网络，类似于三部图的结构。然而，与无标度网络不同的是，习题与知识点的交互数据分布并不满足幂律分布。更具体地说，数据集中习题的分布程度是均勻的，即大多数习题只包含一到两个知识点，而知识点的数量相对较少，从而导致构建的知识点扩增网络图呈现出高度非线性、稀疏的特点。