计算机研究与发展

作者：孙建文,周建鹏,刘三女牙,何绯娟,唐云,

关键词：认知追踪, 可解释性, 多层注意力, 题目语义, 保真度,

认知追踪是一种数据驱动的学习主体建模技术，旨在根据学生历史答题数据预测其知识掌握状态或未来答题表现.近年来，在深度学习算法的加持下，深度认知追踪成为当前该领域的研究热点.针对深度认知追踪模型普遍存在黑箱属性，决策过程或结果缺乏可解释性，难以提供学习归因分析、错因追溯等高价值教育服务等问题，提出一种基于多层注意力网络的认知追踪模型.通过挖掘题目之间多维度、深层次的语义关联信息，建立一种包含题目元素、语义和记录等3层注意力的网络结构，利用图注意神经网络和自注意力机制等对题目进行嵌入表示、语义融合和记录检索.特别是在损失函数中引入提升模型可解释性的正则化项与权衡因子，实现对模型预测性能与可解释强度的调控.同时，定义了预测结果可解释性度量指标——保真度，实现对认知追踪模型可解释性的量化评估.最后，在6个领域基准数据集上的实验结果表明：该方法有效提升了模型的可解释性.

来源：2021年第12期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2021年第12期