基于矩阵分解的多模态军事职业教育在线学习成果预测

摘要

军事职业教育的在线学习成果预测因其教育意义而受到广泛关注.在线学习成果预测方法中，基于推荐的方法凭借其突出的个性化优势占有重要地位.虽然现有研究通过利用辅助信息来解决推荐系统中冷启动和合并侧面信息的问题，但基于多模态推荐在线学习成果预测方法的潜力尚未研究.首次使用多模态辅助学习者在线学习成果预测，使用大语言模型作为信息混合器，为矩阵分解产生额外的引导信号.具体来说，所提的语言引导矩阵分解模型，使用语言化的多模态信息，为教育交互产生丰富的语义嵌入，并将它们作为矩阵分解的辅助信号.提供了两种文本嵌入方法，嵌入初始化方法计算数据的特定先验以初始化分解矩阵，嵌入蒸馏方法用于对齐矩阵分解的潜在特征和嵌入特征，使语言模型更充分地指导矩阵分解.在一个军事职业教育平台收集的数据集上评估了所提出的模型，包括2.5万个学习者的35万个互动和5万个不同的成果表现.大量实验表明，当前模型在各种军事职业教育在线学习成果预测场景，包括冷启动中优于已有方法.

关键词

军事职业教育 / 在线学习成果预测 / 多模态 / 冷启动 / 矩阵分解