-
公开(公告)号：CN114021722B
公开(公告)日：2024-11-08
申请号：CN202111278587.9
申请日：2021-10-30
申请人： 华中师范大学
IPC分类号： G06N5/022
摘要： 本发明属于教育数据挖掘领域，提供一种融合认知刻画的注意力知识追踪方法，包括：(1)数据预处理；(2)特征融合；(3)表现预测；(4)模型训练。本发明提出了一套基于学习者认知画像的注意力知识追踪框架，此框架分别对学习者的记忆、实践和语言三方面特征进行建模，最终根据上述所得三方面特征进行联合建模，综合考虑学习者多方面的信息，以此来提升模型对于学习者知识掌握情况和未来表现预测的表现。
-
公开(公告)号：CN117473041A
公开(公告)日：2024-01-30
申请号：CN202311106919.4
申请日：2023-08-30
申请人： 华中师范大学
摘要： 本发明属于知识追踪技术领域，提供一种基于认知策略的编程知识追踪方法，包括：(1)问题定义和数据预处理；(2)试题表征；(3)代码表征；(4)认知过程双序列建模；(5)表现预测和模型训练。本发明方法根据学习者的认知过程，即理解试题和编写代码解决问题两方面，来建模编程知识追踪问题，分别利用图嵌入技术来聚合试题困难度、知识技能等信息，优化传统知识追踪中试题的表征，考虑到编程学科的开放性，融合了学生代码中蕴含的语法结构、文本注释等认知信息来表征代码特征，然后结合两者分别建模学习者的知识状态和编程能力，更能模拟学习者的做题场景，更好地建模学习者的认知过程。
-
公开(公告)号：CN117094353A
公开(公告)日：2023-11-21
申请号：CN202310894745.6
申请日：2023-07-18
申请人： 华中师范大学
摘要： 本发明涉及图神经网络与知识追踪领域，提供一种信息瓶颈增强的双向动态图知识追踪方法，包括：(1)基于学生‑试题交互的双向动态图构建；(2)双向动态图神经网络构建；(3)信息瓶颈增强的图多视角学习；(4)多视角信息选择与融合；(5)学生‑试题预测。本发明方法综合利用图神经网络和信息瓶颈等技术，对学生的作答数据进行深入挖掘，能够科学地预测学生的学习表现，精准辅助学生进行个性化学习。
-
公开(公告)号：CN116703670A
公开(公告)日：2023-09-05
申请号：CN202310631847.9
申请日：2023-05-31
申请人： 华中师范大学
IPC分类号： G06Q50/20 , G06F18/214 , G06F18/241 , G06N3/04 , G06N3/08 , G06F18/25 , G06F16/35
摘要： 本发明属于教育数据挖掘领域，提供一种面向多属性连续化评估的多标签分类建模的认知诊断方法，包括：(1)特征提取；(2)通过交互函数融合提取到的学生特征、试题特征和知识点特征，获得特征表征向量；(3)通过BERT模型进行预训练获得文本特征，并且将文本特征与获得的特征表示向量结合，得到最终的学生输入表征向量；(4)利用神经网络结构建模诊断算法，将获得的最终的学生输入表征向量作为网络结构的输入，输出学生属性掌握状态；(5)收集数据集，训练神经网络结构，诊断学生属性掌握状态。本发明认知诊断方法融合多模态数据信息，基于神经网络连续化诊断学习者的多属性掌握状态，具备可解释性。
-
公开(公告)号：CN114154637A
公开(公告)日：2022-03-08
申请号：CN202111307247.4
申请日：2021-11-05
申请人： 华中师范大学
IPC分类号： G06N5/02 , G06F40/242 , G06F40/284 , G06F40/295
摘要： 本发明公开了一种知识点自动标注建模方法及系统，其中，标注方法包括统一处理步骤、本体试题获取步骤、输入样本获取步骤、模型训练步骤和模型获得步骤。本发明对统一预训练语言模型UniLM进行训练得到知识点自动标注模型，该模型在提取丰富的数学试题文本语义信息的前提下，能够考虑到标签之间的关联关系，高效的完成小学几何试题知识点的预测，提高了知识点自动标注的可信度；本发明提出基于匹配模板的实体识别和本体替换方法，以缓解小学几何试题文本在模型训练中的数据稀疏问题；本发明对于试题中包含的所有的知识点标签进行了全排列处理，以避免知识点标签生成顺序的不一致造成训练过程中的错误反馈。
-
公开(公告)号：CN114861914B
公开(公告)日：2024-11-08
申请号：CN202210326235.4
申请日：2022-03-29
申请人： 华中师范大学
IPC分类号： G06N5/022 , G06N3/047 , G06N3/045 , G06N3/0464 , G06N3/084
摘要： 本发明涉及教育大数据挖掘、知识追踪领域，提供一种面向学习轨迹的细粒度知识追踪方法，包括：(1)构建面向学习轨迹的细粒度知识追踪框架；(2)通过学习轨迹中的历史交互获得学习者的历史潜在知识状态；(3)通过学习轨迹中的当前交互获得学习者的当前潜在能力表示；(4)当前反应状态的细粒度预测。本发明利用多头自注意力网络、多任务预测、时间序列建模等技术方法，对学习者的学习轨迹进行建模，追踪学习者的知识状态和预测学习者的未来表现，辅助精准教学和个性化学习的开展。
-
公开(公告)号：CN114154797B
公开(公告)日：2024-06-25
申请号：CN202111307240.2
申请日：2021-11-05
申请人： 华中师范大学
IPC分类号： G06Q10/0639 , G06Q50/20 , G06N3/047 , G06N3/084
摘要： 本发明公开了一种基于多认知因素的学生技能评估方法及系统，其中，评估方法包括初始化步骤、认知因素获得步骤、认知注意力获得步骤、输入向量生成步骤、模型更新步骤、模型训练步骤、模型测试步骤、技能评估步骤。本发明充分考虑答题时间数据对作答得分的影响，同时综合考虑学生的潜在能力因素、技能掌握因素和速度因素之间的相互作用以及它们共同对作答得分的影响，并使用深度学习方法对三种认知因素进行建模，通过三层神经网络，结合多头自注意力机制，构建出更加贴合现实情况的认知评估方法及系统。本发明充分挖掘出学生与试题之间交互的非线性关系，能取得提高技能评估精准性的有益效果。
-
公开(公告)号：CN116644125A
公开(公告)日：2023-08-25
申请号：CN202310557431.7
申请日：2023-05-17
申请人： 华中师范大学
IPC分类号： G06F16/26 , G06N3/042 , G06N3/0442 , G06N5/022 , G06F16/28
摘要： 本发明涉及教育大数据挖掘领域，提供一种基于异构实体多关联图表征学习的知识追踪方法，包括以下步骤：(1)异构实体多关联图表征学习；(2)基于关联注意力机制的知识传播；(3)基于双重LSTM的多源知识状态学习。本发明方法综合利用异构图构建、节点信息聚合等技术方法，系统地对试题和概念之间的知识关联进行信息整合，全面考虑异构实体间的多关联，包括试题和概念之间的先决关联、相似关联和相关关联，从而提高试题表征的准确性，进一步科学、全面地对学习者学习情况进行预测，辅助教师进行精准教学。
-
公开(公告)号：CN115906997A
公开(公告)日：2023-04-04
申请号：CN202211312281.5
申请日：2022-10-25
申请人： 华中师范大学
IPC分类号： G06N3/088 , G06N3/084 , G06N3/0464 , G06N3/048 , G06Q50/20
摘要： 本发明涉及教育大数据挖掘、对比学习与学生行为建模领域，提供一种基于对比学习与记忆机制的知识追踪方法，包括：(1)实现序列增强表征；(2)建模知识更新过程；(3)预测学生未来学习表现。本发明利用对比学习、自然语言处理、卷积神经网络、时间序列建模等技术方法，基于信息加工模型，系统地对学生行为模式进行深入挖掘，能够科学、全面地建模学生知识状态的变化过程，对学生学习情况进行预测。
-
公开(公告)号：CN115205072A
公开(公告)日：2022-10-18
申请号：CN202210630251.2
申请日：2022-06-06
申请人： 华中师范大学
摘要： 本发明属于教育数据挖掘领域，提供一种面向长周期测评的认知诊断方法，包括：(1)构建面向长周期测评的认知诊断框架；(2)融合提取到的学生特征、试题特征、交互特征和时序特征，获得最终的输入表征向量；(3)利用神经网络结构建模诊断算法，将步骤(2)获得的最终输入表征向量作为网络结构的输入，输出学生作答结果；诊断算法由神经网络结构与损失函数构成；(4)收集数据集，训练网络结构，预测学生作答反应；(5)根据具体应用场景，设计认知诊断系统获得学生的诊断报告。本发明方法分别满足不存在长周期测评数据积累的单次教育测量需求和有长周期测评数据积累的教育诊断需求，较好的解决了教育数据形式变化带来的新问题。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.033 秒)
