[发明专利]基于多视角认知诊断的学生成绩预测方法

说明书

本发明公开了一种基于多视角认知诊断的学生成绩预测方法，对给定考试成绩进行分析确定学生‑试题反应函数，将第一词向量预训练模型作为一个视角对第一试题文本信息进行训练，将第二词向量预训练模型作为另一视角对第二试题文本信息进行训练，在每一步迭代过程中，每一个视角验证集的试题文本数据进行标记，标记得到的预测参数加入另一视角下一迭代步骤的训练集中，反复迭代，以确定预测用模型，提取待考试试题文本的各个预测试题参数，将各个预测试题参数与给定试题参数进行对比，确定目标试题参数，将目标试题参数代入学生‑试题反应函数，得到目标学生参数相对于待考试试题文本的考试成绩，以实现学生成绩预测，提升了预测得到的结果的准确性。

技术领域

本发明涉及认知诊断技术领域，尤其涉及一种基于多视角认知诊断的学生成绩预测方法。

背景技术

认知诊断与传统的大规模考试不同，传统的考试只能提供学生每道题的答题情况。然而由单一的分数，既不能获得学生的潜在知识状态与认知水平，也不能对学生近阶段的学习情况给予精确的分析，以调整学生下一阶段的学习。

学生是在线教育系统服务的主要对象，准确分析学生的认知水平，对帮助了解学生状态、构建适当的教学计划都具有极大的帮助。为此，教育心理学的研究者提出认知诊断评价(Cognitive Diagnosis Assessment，CDA)，进行学生认知水平的全面分析。CDA是一个基于认知心理学、统计学和计算机科学的评价体系，通过对学生的答题数据进行建模分析，对学生的认知状态进行诊断，定量考察学生的个体差异和认知水平。

认知诊断模型在不同的场景下有不同的应用，根据模型设计的不同，可以分析学生的知识掌握状态，猜测率与失误率等。根据分析结果的维度，认知诊断模型可以分为单维人资诊断模型与多维认知诊断模型。单维即分析结果使用单个的标量表示，例如项目反应理论(ItemResponse Theory,IRT)。这样的模型对于复杂的学生隐藏属性较难分析。因此自然的就有多维的认知诊断模型，例如多维项目反应理论(Multidimensional ItemResponse Theory,MIRT)。MIRT中有多种模型，例如双参数逻辑模型的多维扩展(Multidimensional extension of Two-Parameter Logisticmodel,M2PL)(Reckase,M.:Multidimensional Item Response Theory,vol.150.Springer,New York(2009))，M2PL中包含了两组试题的相关参数：试题的区别参数与试题的难度参数。

普通的认知诊断模型难以对试题文本这种异构信息分析建模，而试题文本是考试成绩评估中的重要信息。仅仅通过离散的题目序号与答题记录丢失了大量信息。Zhu(ZhuT,Liu Q,Huang Z,et al.MT-MCD:A Multi-task Cognitive Diagnosis Framework forStudent Assessment[C]//International Conference on Database Systems forAdvanced Applications.Springer,Cham,2018:318-335.)提出对试题文本提取信息并使用映射矩阵获得其参数，矩阵用于多任务学习以使各个不同的任务之间具有更强的可比较性。Wang(Wang F,Liu Q,Chen E,et al.Neural Cognitive Diagnostic for IntelligentEducation Systems,The 34^th AAAI Conference on Artificial Intelligence,NewYork,USA.)提出使用神经网络自动学习反应函数，并将试题文本和知识点-试题关联信息嵌入神经网络。