[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

说明书

本发明提供一种基于认知诊断的实践效果评估及学习路径推荐方法，包括拓展特征预处理模型，深度知识追踪模型，知识网络构建模型和基于认知能力的路径推荐算法。拓展特征预处理模型根据学习者测验过程中的技能属性进行认知能力的初次评估，将个性化差异信息引入诊断模型。深度知识追踪模型根据测验序列与隐式编码的异构特征预测学习者的知识掌握能力，作为学习引导的基础。习题与知识网络构建模型提供了科学思维的全局导图，结合认知诊断为学习者推荐学习路径不但考虑到学习过程中的认知能力差异，而且遵循知识结构的逻辑。

技术领域

本发明涉及认知诊断、智慧教育和个性化学习领域，更具体地，涉及一种基于认知诊断的实践效果评估及学习路径推荐方法。

背景技术

互联网教育的模式拓宽改进了传统教育的形式与内容，降低了受教育的门槛，但同时其在教学的后续更进、评估和监督方面却体现出弊端。传统教育通过教师的教授、监督与评估流程确保更进学习者较为完整的知识获取过程，然而笼统的依靠测验分数难以捕捉学习者对各项知识的精确认知情况，教师也无法针对具体每位学生的基础差异提供完全个性化的指导；而在线教育也因缺乏对学科学习的后续监督引导工作，使得学习完成度大幅降低。因此，在互联网教育中结合丰富的教学资源与个性化的认知评估、教学引导过程才能真正体现智慧教育的意义。如何根据学习者与教学资源的历史交互情况诊断出具备个人特征的认知水平，并结合原有知识体系为学习者提供合适的学习路径指导将是在现有教育平台上值得受到重视的问题。

认知诊断结合学习路径推荐构成了较为完整的教学监督与引导工作，认知诊断根据学习者的测验表现评估其对知识的掌握能力，以此为基础进行符合科学思维方式的学习路径推荐。针对认知诊断领域，传统的认知诊断可以依据属性数目、潜变量相互作用关系和属性掌握表征方式等划分为多种模型，其中DINA(Deterministic Input，Noisy“And”Gatemodel，确定性输入噪声与门模型)在教育测试语境中应用广泛。IRT(Item ResponseTheory，项目反应理论)模型也通过分析测验数据确定潜在心理特征。然而目前更倾向于利用知识追踪进行认知的评估，主要的方法可以概括为：BKT(Bayesian Knowledge Tracing，贝叶斯知识追踪)定义了多项测验参数，利用隐马尔科夫模型追踪知识点掌握情况的变化；基于神经网络的知识追踪则利用深度学习预测潜在的知识状态。认知诊断能捕捉到学习者当前的个体基础差异，结合原有知识体系的构建能够推荐科学和个性化的学习路径，继而提供相应的学习资源以巩固教学。

综上所述，针对教学对象的认知能力评估与后续教学引导在互联网教育中占据重要位置，利用知识追踪考察个体基础能力差异，通过知识网络构建科学思维方式，结合二者进行学习路径推荐能够体现出灵活且智能的教育模式。

发明内容

为了解决现有技术中在线教育平台缺乏对学习者课程完成过程的监督，也鲜有对学习者的认知能力进行评估进入给予个性化的学习引导的不足，本发明提供了一种基于认知诊断的实践效果评估及学习路径推荐方法。

为解决上述技术问题，本发明的技术方案如下：

本发明第一方面公开一种基于认知诊断的实践效果评估及学习路径推荐系统，包括拓展特征预处理模型、深度学习追踪模型、知识网络构建模型和路径推荐模型；

所述的拓展特征预处理模型采用树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；

所述的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，经过神经网络的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；