DASKT：一种用于知识追踪的动态情感模拟方法
计算机与社会
2025-02-18 v1 人工智能
机器学习
摘要
知识追踪 (KT) 通过建模学生的历史交互来预测未来表现，理解学生的情感状态可以增强 KT 的效果，从而提高教育质量。虽然传统 KT 重视学生的认知和学习行为，但由于数据本身不关注情感且受预算限制，对学生情感状态的高效评估及其在 KT 中的应用仍需进一步探索。为此，我们提出一种计算驱动的方法，即动态情感模拟知识追踪 (DASKT)，以探索各种学生情感状态（如挫败、专注、嗡嗡和困惑）对其知识状态的影响。在本模型中，我们首先从学生的非情感行为数据中提取情感因素，然后使用聚类和时空序列建模准确地模拟学生在处理不同问题时的动态情感变化。随后，我们将情感与时间序列分析结合，以提高模型推断知识状态的时间和空间能力。大量实验结果表明，在学生情感状态的影响下，DASKT 能实现更合理的知识状态。此外，DASKT 在预测学生表现方面优于最先进的 KT 方法。我们的研究突显了未来 KT 研究中实现高可解释性和高精度的前景方向。
引用
@article{arxiv.2502.10396,
title = {DASKT: A Dynamic Affect Simulation Method for Knowledge Tracing},
author = {Xinjie Sun and Kai Zhang and Qi Liu and Shuanghong Shen and Fei Wang and Yuxiang Guo and Enhong Chen},
journal= {arXiv preprint arXiv:2502.10396},
year = {2025}
}
备注
14 pages