论文介绍
大多数教育领域的认知诊断研究都集中在个体评估上,旨在发现学生的潜在特征。然而,在许多现实场景中,组级评估是一项重要且有意义的任务,例如,不同地区的班级评估可以发现不同背景下教学水平的差异。在这项工作中,我们考虑评估一组学生的认知能力,旨在挖掘小组对特定知识概念的熟练程度。这项任务的重大挑战是小组运动反应数据的稀疏性,这严重影响了评估表现。现有工作要么没有有效利用额外的学生运动反应数据,要么未能合理地模拟不同学习环境中群体能力与个人能力之间的关系,从而导致诊断结果欠佳。
为此,我们提出了一个基于多任务的通用组级认知诊断 (MGCD) 框架,该框架具有三个特殊设计:
1) 我们以多任务方式联合模拟学生练习反应和小组练习反应减轻小组运动反应的稀疏性;
2)我们设计了一个情境感知注意力网络来模拟不同情境下学生知识状态和群体知识状态之间的关系;
3)我们对一个可解释的认知层进行建模,以获得学生能力、小组能力和练习因素(例如,难度),然后我们利用神经网络来学习它们之间复杂的交互功能。
对真实世界数据集的大量实验证明了MGCD的普遍性以及我们的注意力设计和多任务学习的有效性。
论文地址
https://ieeexplore.ieee.org/document/9679064