科创中国

电子信息技术

本发明公开一种基于无环知识概念间关系的认知诊断方法及系统，所述方法包括获取包括学习者、习题和知识点的数据集，根据所述数据集得到由专家标记的知识概念图，去掉知识概念图图中的知识闭环，得到无环的知识概念图；构建基于关系图驱动的多级注意力神经网络，并获得知识概念、习题和学习者的融合关系感知表示；构建可拓展的诊断层神经网络并训练，将所述数据集输入训练完成的多级注意力神经网络，得到学习者在测试集上的认知水平结果；本发明应用基于关系图驱动的认知诊断框架，用多级的注意力神经网络来平衡各个局部图的节点级的关系聚合，基于可拓展的诊断层神经网络，提升了网络的预测精度。

为了更好的预测学习者的认知状态，人们都在致力于研究认知诊断模型。比如，传统的统计方法如IRT和DINA在认知诊断领域具有广泛应用和经典地位。以往的研究大多数以层间交互建模，IRT关注学生-练习的交互，DINA则关注学生-知识概念的交互。基于神经网络的CDM通过利用神经网络的学习能力来克服传统统计方法的不足。这些创新方法如NCDM、CDGK，实现了对学习者认知状态的更准确和细致的评估。在这些方法中，神经网络被用于捕捉习题特征、学习者得分和知识点熟练度之间的交互，或者构建多层注意力网络来聚合不同关系。这些技术的引入，极大地拓展了认知诊断的研究领域，为个性化教育提供了新的机遇。 然而，传统的认知诊断模型，很容易考虑到知识概念与习题、以及学习者与习题的关系。很少有学者考虑知识概念间的深层次关系对于认知诊断的影响。参考教育学的观点，知识概念间存在一些关系，比如先决关系、相似关系等。对于掌握了一些知识概念的学习者，如果再去学习与他已经掌握的知识概念存在着关系的新的知识概念，这种情况下会有着积极的影响。因此，研究基于知识概念间关系的认知诊断的方法，有着重要的意义。

学院以完备教学资源和优秀师资队伍为依托，主要从事数据科学与大数据治理、网络空间建设与安全保障、云计算与分布式应用、智能翻译等领域方向的理论研究和应用项目研发，培养数智时代紧缺的应用型数字人才。