利用未交互习题增强认知诊断：一种协作感知的混合采样方法

认知诊断是计算教育中的关键任务，旨在通过习题评估学生在各个知识概念上的熟练水平。然而，当前模型主要依赖学生已作答的习题，忽略了未交互习题中蕴含的复杂丰富信息。尽管近期研究尝试利用与已交互知识概念相关的未交互习题中的数据以解决长尾问题，但这些研究未能充分探索与更广泛知识概念相关的信息性未交互习题。这一疏忽导致这些模型应用于综合数据集时性能下降。针对这一空白，我们提出了协作感知混合习题采样（CMES）框架，该框架能有效利用与未交互知识概念相关的未交互习题中的信息。具体而言，我们引入了一种新颖的通用采样模块，其中训练样本不仅仅是原始数据切片，而是通过结合权重增强注意力混合技术生成的增强样本。鉴于认知诊断中需要真实响应标签，我们还提出了一种基于排序的伪反馈模块，以调节学生对生成习题的响应。CMES框架的通用性增强了现有模型并提高了其适应性。最后，我们通过在真实世界数据集上的综合实验证明了我们框架的有效性和可解释性。