来自多所学校的增量式知识追踪
计算机与社会
2022-01-19 v1 人工智能
机器学习
摘要
知识追踪是基于学习者的历史表现预测其未来表现的任务。当前的知识追踪模型是基于从多所学校收集的大量数据集构建的。然而,由于数据隐私和《个人数据保护法案》(PDPA)政策,不可能将所有学校的学习者数据汇集在一起。因此,本文探讨了在各自学校内保护学习者数据隐私的同时构建知识追踪模型的可行性。本研究使用 ASSISTment 2009 数据集的一部分进行,将来自多所学校的数据作为持续学习框架中的独立任务处理。结果表明,使用自注意力知识追踪(SAKT)算法按顺序学习能够达到与汇集所有数据相当接近的性能。
引用
@article{arxiv.2201.06941,
title = {Incremental Knowledge Tracing from Multiple Schools},
author = {Sujanya Suresh and Savitha Ramasamy and P. N. Suganthan and Cheryl Sze Yin Wong},
journal= {arXiv preprint arXiv:2201.06941},
year = {2022}
}
备注
In AAAI22 AI4EDU Workshop