ES-KT-24：包含教育游戏游玩视频与合成文本生成的多模态知识追踪基准数据集
社会与信息网络
2024-09-17 v1
摘要
本文介绍了 ES-KT-24，一个用于教育游戏场景下智能辅导系统的新型多模态知识追踪（KT）数据集。尽管 KT 在自适应学习中至关重要，但现有数据集通常缺乏基于游戏的和多模态的元素。ES-KT-24 通过纳入教育游戏游玩视频、合成生成的题目文本以及详细的游戏日志来解决这些局限性。该数据集涵盖数学、英语、印尼语和马来语等学科，强调多样性并包含非英语内容。使用大语言模型生成的合成文本组件包含 28 个不同的知识概念和 182 道题目，包含 15,032 名用户和 7,782,928 次交互。我们的基准实验通过比较基于深度学习的 KT 模型与基于语言模型的知识追踪（LKT）方法，证明了该数据集对 KT 研究的实用性。值得注意的是，LKT 模型表现出略高于传统 DKT 模型的性能，突显了基于语言模型的方法在该领域的潜力。此外，ES-KT-24 有望显著推进多模态 KT 模型和学习分析的研究。通过整合游戏游玩视频和详细的游戏日志，该数据集提供了一种独特的方法，通过先进的数据分析和机器学习技术来剖析学生的学习模式。它具有发掘学习过程新见解的潜力，并能激发该领域的进一步探索。
引用
@article{arxiv.2409.10244,
title = {ES-KT-24: A Multimodal Knowledge Tracing Benchmark Dataset with Educational Game Playing Video and Synthetic Text Generation},
author = {Dohee Kim and Unggi Lee and Sookbun Lee and Jiyeong Bae and Taekyung Ahn and Jaekwon Park and Gunho Lee and Hyeoncheol Kim},
journal= {arXiv preprint arXiv:2409.10244},
year = {2024}
}
备注
11 pages, 5 figures