计算机科学与探索

作者：张维, 罗佩华, 李志新, 龚中伟, 宋玲玲

单位：华中师范大学 人工智能教育学部，武汉 430079

关键词：知识追踪,图神经网络（GNN）,门控循环单元（GRU）,认知结构,遗忘曲线

基金：国家自然科学基金（62377024）。

知识追踪任务旨在根据学生历史学习记录来估计学生的知识掌握程度，其中准确建模学习和遗忘行为是精准刻画学生知识状态的关键。现有方法通常基于学生静态知识结构对学习行为进行建模，并通过拼接时间特征和交互信息的隐式方式以改进遗忘建模。然而，学生的认知结构是随时间变化的，且隐式处理时间特征不能充分利用时间信息。为了解决上述问题，提出了一种认知结构动态建模和遗忘显式计算的知识追踪方法（CSFKT），以更好地捕获学生知识状态变化情况。该方法根据学生答题反馈，使用门控循环单元（GRU）对学生认知结构的邻接矩阵进行更新，构建动态变化的学生认知结构图；基于该认知结构图，利用图神经网络的邻域聚合策略建模知识点相互作用过程；提出一种遗忘显式计算方法，利用间隔时间和遗忘曲线公式显示计算记忆保留概率及衰减后的知识状态，再使用GRU获得当前时刻的知识状态，并预测学生正确作答的概率。在三个真实数据集上进行了大量实验，结果表明CSFKT不仅可以建模动态的认知结构也可以显式建模学生遗忘行为，而且具有优越的性能以及良好的可解释性。

来源：2025年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第10期