知识追踪模型融入遗忘和数据量因素对预测精度的影响

近年来,在线学习的人越来越多,在在线教学过程中教育者需要同时面对更多学习者,不可能了解每一个学习者的知识弱点与问题领域,并据此为学习者提供个性化的学习指导。本研究的目的是及时、准确推断学习者的问题领域,让学习者清楚自身的知识弱点,让教育者更加了解每一个学习者的知识水平,让在线学习系统自动向学习者推荐高效的学习路径和恰当的学习资源。在实验中,分析对比了知识追踪模型及其扩展模型的预测精度,分析了扩展模型使用学习者的所有数据与每个学习者的部分数据的预测准确性差异。结果显示:知识追踪模型可以较好估计学习者知识掌握情况;知识追踪扩展模型的预测精度更好;模型使用学习者部分数据可以获得比使用全部数据更好的预测精度;在学习者学习过程中遗忘时时存在,扩展模型使用部分数据在加快运行进度的同时更有利于精确估计学习者知识水平进而推荐更有效的个性化学习资源与学习路径。