GAKT：数据生成增强的显式认知状态对齐知识追踪模型

Abstract

知识追踪作为智能导学系统的核心组件，旨在依托学习者历史答题记录诊断认知状态、预测知识点掌握程度。然而，现有显式认知状态建模模型受限于原始数据质量，性能陷入瓶颈；部分数据增强方法未与显式认知状态对齐，融合深度不足，难以兼顾数据表征充分性与认知状态可解释性。针对上述问题，本文提出GAKT（Generated
Align Knowledge
Tracing），一种融合学习模式引导的数据生成与显式认知状态对齐的知识追踪模型，以高质量数据增强为认知状态建模提供支撑。经典开源数据集上实验表明，GAKT性能显著优于现有先进基线模型，验证了生成数据的高质量与模型的有效性。