会话感知知识跟踪模型

细粒度追踪知识状态

该模型从知识概念层面捕捉会话内外的知识状态变化，显著提升学习表现预测的准确性。

Chunli, Huang · 姜文君 · 李肯立 · Wu, Jie · Zhang, Ji

Knowledge-Based Systems 2025

参数信息

数据集数量

4

技术优势

预测更准

ELPKT 在四个真实数据集上均优于现有方法，能够更准确地预测学习者的表现。

捕捉状态跳变

ELPKT 从知识概念层面建模会话间的知识保持与衰减，捕捉知识状态在会话间的变化。

结果可解释

ELPKT 能够展示知识状态在会话间的变化，为预测结果提供可解释性。

应用场景

• 智能教育：为智能教育平台提供更准确的实时学习表现预测，支撑自适应教学决策。
• 个性化学习推荐：基于细粒度知识状态追踪，为学习者推荐更符合其当前水平的学习资源与路径。
• 学习者建模：从知识概念层面建模学习者短期与长期状态，替代仅依赖行为序列的传统建模。