融合题目多维属性和代码表征的编程知识追踪研究

摘要

随着计算机编程教育的普及，编程学习场景中的知识追踪研究受到了广泛关注.本文针对编程学习的特点，提出了一种新型编程知识追踪模型，基于题目文本语义特征、题目与知识概念的关联关系，生成融合题目多维属性的编程题目表征；基于学生代码，通过对UniXcoder编程语言预训练模型微调，获取融合代码上下文和结构信息的学生代码表征，并利用多头自注意力机制捕获学生在同一题目上多次提交的代码迭代特征.然后，综合题目多维属性、学生代码和迭代过程，建立了更完备的编程知识追踪模型PKT-QCI.实验结果表明，与基线模型相比，该模型能够更准确地预测学生的编程答题表现，为个性化的编程教学提供了更有力的支持.

关键词

知识追踪 / 深度学习 / 文本表征 / 代码表征 / 注意力机制