EdNet:教育领域大规模分层数据集
计算机与社会
2020-07-02 v3 人工智能
人机交互
摘要
随着教育人工智能 (AIEd) 的进步以及交互式教育系统 (IESs) 规模的不断增长,数据驱动方法已成为知识追踪和学习路径推荐等多种任务的常用手段。遗憾的是,收集真实学生交互数据往往具有挑战性,这导致缺乏反映现代 IESs 中广泛学生行为的公共大规模基准数据集。尽管 ASSISTments、Junyi Academy、Synthetic 和 STATICS 等若干数据集已公开且被广泛使用,但它们规模不足以充分发挥最先进数据驱动模型的潜力,且记录的行为仅限于解题活动。为此,我们推出 EdNet,一个由 Santa(配备人工智能辅导系统的多平台自学解决方案)收集的、包含多样学生活动的大规模分层数据集。EdNet 包含来自 784,309 名学生在超过 2 年间收集的 131,441,538 条交互,是迄今公开发布的最大 ITS 数据集。与现有数据集不同,EdNet 提供了从解题、听课到商品购买等多种广泛的学生行为。此外,EdNet 具有分层结构,学生行为被划分为 4 个不同抽象层级。EdNet 的特征与领域无关,可轻松扩展至不同领域。该数据集以知识共享署名-非商业性使用 4.0 国际许可协议公开发布用于研究目的。我们计划依托 EdNet 举办多项 AIEd 任务挑战赛,为不同最先进模型间的公平比较提供共同基础,并鼓励实用有效方法的发展。
引用
@article{arxiv.1912.03072,
title = {EdNet: A Large-Scale Hierarchical Dataset in Education},
author = {Youngduck Choi and Youngnam Lee and Dongmin Shin and Junghyun Cho and Seoyon Park and Seewoo Lee and Jineon Baek and Chan Bae and Byungsoo Kim and Jaewe Heo},
journal= {arXiv preprint arXiv:1912.03072},
year = {2020}
}
备注
AIED 2020