知识状态解耦超图变换器

预测更准且可解释

首次通过对比聚类辅助任务解耦知识状态，提升表征的可解释性与预测性能。

李加伟 · 毛舜 · Yixiu, Qin · Feng, Wang · 蒋运承

IEEE Transactions on Knowledge and Data Engineering 2025

技术优势

解耦知识状态

通过对比聚类辅助任务解耦知识状态，提升表达性与可解释性。

预测更准

在三个公开数据集上的学生表现预测均超越现有方法。

可解释性更强

解耦后的知识状态嵌入维度相互独立，更易理解。

应用场景

• 智能教学系统：提供可解释的学生知识状态评估与表现预测，助力因材施教。
• 个性化学习：准确预测学生表现，支持个性化学习路径推荐。
• 教育数据挖掘：从交互数据中挖掘解耦的知识状态，支撑教育数据分析。