[发明专利]一种基于认知诊断的实践效果评估及学习路径推荐系统和方法

权利要求书

1.一种基于认知诊断的实践效果评估及学习路径推荐方法，其特征在于，包括以下步骤：

S1.拓展特征预处理模型根据学习者的历史交互记录预测学习者在异构特征条件下的习题回答情况，得到学习者的认知能力的初步预测，并将预测结果与原始的习题答案序列作为深度学习追踪模型的输入；其中：

S11.给定一个学习者在第t时间步测验习题，令a_t表示拓展的异构特征，将a_t作为预处理步骤中分类模型的输入，并预测学习者是否会在引入拓展特征的条件下正确作答，利用a′_t表示分类模型预测的答题情况；

S12.拓展特征预处理模型的树节点处的集合D包含了拓展的异构特征a_t∈R以及其对应的答案标签c_t∈{0,1}，则将H定义为由交叉熵函数所评估的特征空间的不纯度，则对于具有N个观察值的区域R，其交叉熵由如下公式定义：

H(X)＝-∑_kp_klog(p_k)，          (1-1)

其中

其中k为标签集合，在二分类问题中用{0,1}或{-1,+1}表示，p_k代表当异构特征a_t对应的答案标签c_t＝k时，其在观察值中所占的比例；

S2.深度学习追踪模型根据拓展特征预处理模型输出的信息输入至神经循环网络学习学习者的知识状态，经过sigmoid激活函数将隐藏单元h_t传递至全连接层获得输出y_t，其表现出学习者对知识概念的认知能力，得到学习者的认知能力诊断；其中：

S21.生成特定的学习任务交互x₀……x_t，则交互预测学习者下一次交互的结果x_t+1，习题集合的数量为M，则将x_t设置为交互元组O(e_t,c_t)∈{0,1}^2M的独热编码表示，令e_t和c_t分别表示习题的标签和学习者真实的作答表现，即c_t＝1意味着学习者正确回答该习题，否则c_t＝0；

S22.当第习题被正确回答时将O(e_t,c_t)的第位设置为1，其余设置为0；而当回答错误时第i+M位将设置为1；

S23.将交互元组O(e_t,c_t)与拓展向量O(a′_t,c_t)连接作为深度知识追踪模型DKT的输入x_t；

S24.神经网络将输入序列x_t通过计算隐藏状态序列h_t传递到全连接层获得输出序列y_t，即为学习者的认知诊断；

S3.知识网络构建模型根据学习者的历史交互记录构建知识网络，其中，自动发掘习题所对应知识概念是通过利用深度知识追踪模型探索习题间作答正确概率关系以及习题的题面经向量化后聚类两方面互相参照而形成；知识概念自身关联关系则根据总体习题得分率并适当参照学习者测验顺序和教材结构进行构建；

S4.路径推荐模型根据上述模型所得的学习者的认知能力的初步预测、学习者的认知能力诊断和知识网络确定学习路径的最终元素，生成个性化学习路径。