结合学生上下文特征的解耦认知诊断模型

摘要

针对现有认知诊断模型未充分探讨学生上下文特征间相互作用及不同潜在特征对学生状态的影响问题,提出了一种结合学生上下文特征的解耦认知诊断模型.首先,利用超图神经网络捕捉学生上下文特征间的复杂交互,生成学生嵌入表示和背景信息嵌入表示;其次,利用对比学习和最小化互信息技术解耦学生潜在特征,以学习学生内在特征与外在特征表示;最后,基于学生认知状态和习题难度预测学生在作答该习题时的表现,并通过反向传播算法对学生的认知状态进行参数估计.实验结果表明,在SLP数据集上模型的准确率为83.48%,在PISA数据集上则达到71.83%.与神经网络模型(Neural CDM)相比,所提模型在SLP和PISA数据集上的曲线下面积(AUC)值分别提高了0.68%和3.95%.

关键词

认知诊断 / 个性化学习 / 超图神经网络 / 特征解耦 / 对比学习