关键词:
认知诊断
个性化习题推荐
图神经网络
教育信息化
摘要:
深度知识追踪在深入理解学生认知状态、习题所涉及的知识概念及其相互关系方面,仍有待提高。这种局限性可能导致推荐结果的单一化,无法充分适应学生的个性化学习需求。针对这一问题,本研究提出了一种基于图神经网络的创新知识追踪算法特征优化,可以更好的识别学生当前知识状态。其次,针对目前习题推荐不够准确,对学习者提升效果不够好的情况,提出了基于深度知识追踪和深度强化学习结合的习题推荐算法,以求在有限的题目推荐后达到最好的提升效果;最后,开发了一款个性化习题推荐系统,其核心在于运用上述提出的两种算法,这一系统能够根据学生的不同认知水平,为其提供精准的习题推荐。
为了深入探究学习者和教育工作者对于学习资源推荐系统的具体需求,并据此设计出一个切实有效的平台,本项研究开展了一系列访谈工作,与十余位在初中信息技术教学一线的教师进行了深入交流,并收集了414名八年级学生的做题数据记录。探索了建构主义学习理论和最近发展区理论,并融合了深度学习领域的知识追踪技术,以此作为理论支撑,开发了一个全面的习题推荐平台。该平台的设计理念着眼于满足学习者和教师在实际教学过程中的需求,设计了多个关键模块,如练习、记录、知识追踪、习题推荐等。通过这些模块的协同工作,平台能够为学生提供个性化的学习资源推荐,从而更好地满足他们的学习需求。同时,教师也可以通过平台获取学生的学习情况反馈,以便更精准地指导学生,提高教学效果。
为了验证平台的有效性,本文进行了两方面的验证:首先,通过实验法,在公共数据集ASSIS2009和自制数据集DH-jhs2023上验证了本文提出的GCKT模型,与传统的DKT模型和新兴的GKT模型进行了对比实验,结果显示,GCKT模型在两个数据集上均表现出更优异的性能。其次,通过实证研究,选取了30名测试中能力水平接近八年级学生,分为三组,分别使用了本文提出的GCER模型推荐、传统机器学习逻辑回归推荐以及模拟真实情况的随机推荐,在60道题目的推荐后,GCER模型展现出更好的提升效果。
以上研究结果表明,初中信息技术习题推荐平台为学习者提供了系统而个性化习题推荐,在一定程度上降低了初中信息技术课程学习的成本,从而增强学生学习效果,使学生能在更短时间达到大纲要求的知识能力水平。