基于深度学习的知识追踪研究进展 Research Advances in the Knowledge Tracing Based on Deep Learning

8.基于深度学习的知识追踪研究进展
Research Advances in the Knowledge Tracing Based on Deep Learning

摘要：知识追踪是教育数据挖掘领域的一个重要研究方向，其目标是通过建立学生知识状态随时间变化的模型，来判断学生对知识的掌握程度并从学生的学习轨迹中挖掘出潜在的学习规律，从而提供个性化的指导，达到人工智能辅助教育的目的.深度学习因其强大的特征提取能力，已被证明能显著提升知识追踪模型的性能而越来越受到各方重视.以最基本的深度知识追踪模型为起点，全面回顾了该研究领域的研究进展，给出了该研究领域技术改进、演化脉络图，并从针对可解释问题的改进、针对长期依赖问题的改进、针对缺少学习特征问题的改进3个主要技术改进方向做了深入阐述和比较分析，同时对该领域中的已有模型做了归类，整理了可供研究者使用的公开数据集，考察了其主要应用，最后，对基于深度学习的知识追踪的未来研究方向进行了展望.
关键词: 教育数据挖掘, 深度学习, 知识追踪, 循环神经网络, 人工智能辅助教育

Abstract：Knowledge tracing is an important research direction in the field of educational data mining. The goal is to determine the degree of students mastery of knowledge by establishing a model of students knowledge changes over time and to mine potential learning rules from their learning trajectories. Fulfilling this goal means personalized guidance to students from the achievement of assisted education through artificial intelligence. Due to its powerful feature extraction capabilities, deep learning has been proven to significantly improve the performance of knowledge tracing models and has attracted more and more attention. Starting from the most basic deep knowledge tracing model, this paper comprehensively reviews the research progress in this field and provides both the technical improvement and an evolutionary map. The 3 main technical improvement directions have been elaborated and compared: 1) improvement of interpretable problems, 2) problems of long-term dependence, and 3) improvement for lack of learning features. At the same time, the existing models in the field have been classified, the public data sets have been sorted out, and the main areas of application are investigated for researchers. Finally, the future research direction of knowledge tracing based on deep learning is explored.

Key words: education data mining, deep learning, knowledge tracing, recurrent neural network, artificial intelligence assisted education

establish：v.建立
trajectory：n.轨迹
Fulfilling：adj.令人满意的
assist：adj.辅助的
evolutionary：adj.进化的
elaborate：v.详细阐述
interpretable：adj.可解释的
sort out:v.整理
recurrent：adj.循环的

基于深度学习的知识追踪研究进展 Research Advances in the Knowledge Tracing Based on Deep Learning相关推荐

1.基于深度学习的知识追踪研究进展_刘铁园
基于深度学习的知识追踪研究进展_刘铁园 1.知识追踪改进方向针对可解释问题的改进针对长期依赖问题的改进针对缺少学习特征问题的改进 2.基于深度学习的知识追踪 DLKT 2.1 符号定义 2.2 ...
《中国人工智能学会通讯》——第3章 3.1基于深度学习的网络表示研究进展
第3章 3.1基于深度学习的网络表示研究进展网络结构在现实世界中无处不在(如航线网络.通信网络.论文引用网络.世界万维网和社交网络等),在此基础之上的应用和研究问题受到了学术界和工业界的广泛关注,这 ...
基于深度学习的目标检测研究进展
前言开始本文内容之前,我们先来看一下上边左侧的这张图,从图中你看到了什么物体?他们在什么位置?这还不简单,图中有一个猫和一个人,具体的位置就是上图右侧图像两个边框(bounding-box)所在的位 ...
【深度学习】基于深度学习的目标检测研究进展
原文出处:http://chuansong.me/n/353443351445 开始本文内容之前,我们先来看一下上边左侧的这张图,从图中你看到了什么物体?他们在什么位置?这还不简单,图中有一个猫和一个 ...
【NLP】一文了解基于深度学习的自然语言处理研究
目前,人工智能领域中最热的研究方向当属深度学习.深度学习的迅速发展受到了学术界和工业界的广泛关注,由于其拥有优秀的特征选择和提取能力,对包括机器翻译.目标识别.图像分割等在内的诸多任务中产生了越来越重 ...
基于深度学习的知识图谱综述
基于深度学习的知识图谱综述摘要:随着现如今计算机设备的更新,计算能力的不断提高促使深度学习再一度推上热门技术,深度学习已经广泛应用于图像处理.文本挖掘.自然语言处理等方面,在医学.交通.教育.旅游等 ...
NLP入门之综述阅读-基于深度学习的自然语言处理研究综述
NLP入门-综述阅读-[基于深度学习的自然语言处理研究综述] 基于深度学习的自然语言处理研究综述摘要 0 引言 1 深度学习概述卷积神经网络递归神经网络 2 NLP应用研究进展 3 预训练语言模 ...
基于深度学习的目标检测研究综述
基于深度学习的目标检测研究综述摘要:深度学习是机器学习的一个研究领域,近年来受到越来越多的关注.最近几年,深度学习在目标检测领域取得了不少突破性的进展,已经运用到具体的目标检测任务上.本文首先详细介 ...
【论文推荐】张笑钦团队 | 综述：基于深度学习的视觉跟踪方法进展
导读 IJAC特约稿件人眼可以比较轻松地在一段时间内持续定位特定目标,而在计算机视觉领域,这一任务便是高级计算机任务之一--"目标跟踪".但对计算机而言,在不同场景下实现目标跟踪 ...
读“基于深度学习的图像识别技术研究综述”有感
"基于深度学习的图像识别技术研究综述"总结现在流行的图像识别技术都是基于深度学习的算法,经过前辈们的探索改进,图像识别技术经历很多阶段,现如今图像识别技术已经广泛的应用于生活的方 ...

基于深度学习的知识追踪研究进展 Research Advances in the Knowledge Tracing Based on Deep Learning

基于深度学习的知识追踪研究进展 Research Advances in the Knowledge Tracing Based on Deep Learning相关推荐

最新文章

热门文章