融合多维度学习行为特征的轻量化知识追踪模型构建与验证

Abstract

为实现在线教育的精准过程性评估，本文针对现有知识追踪模型过度依赖答题正误、忽略元认知与时间行为的问题，提出一种轻量化多特征融合模型LKT-HR。该模型整合认知结果、提示求助（元认知）与响应时间（认知负荷）三类行为特征，基于LSTM实现动态知识状态追踪。在ASSISTments2009与2017数据集上的实验表明，LKT-HR在AUC与ACC上均显著优于BKT、DKT及DKT-DE等基线，消融实验验证了多维度特征的有效性与互补性。本研究拓展了知识追踪的特征体系，其轻量化设计为智能教育系统实现实时、精准且可解释的学习状态评估提供了可行方案。