基于 Web 在线智能教育系统的归纳认知诊断

认知诊断旨在根据学生的响应日志来评估学生的掌握水平。在基于 Web 的在线智能教育系统（WOIESs）中，认知诊断作为一个关键模块，在下游任务（如学习项目推荐和计算机化自适应测试）中发挥上游且基础的作用。WOIESs 是开放式学习环境，新学生不断注册并完成练习。在 WOIESs 中，高效的认知诊断对于快速反馈和加速学生学习至关重要。然而，现有的认知诊断方法总是采用内在的归纳学生特定嵌入，这种方法在处理训练期未见的新学生时会变得缓慢且昂贵。为此，本文提出一种归纳认知诊断模型（ICDM），用于在 WOIESs 中快速推断新学生的掌握水平。具体而言，在 ICDM 中，我们提出了一种新颖的学生中心图（SCG）。我们不通过更新学生特定的嵌入来推断掌握水平，而是将掌握水平作为学生在 SCG 中邻居聚合结果的派生结果。也就是说，SCG 使任务从寻找最合适的学生特定嵌入来适配响应日志转变为寻找不同节点类型最合适的表示，而后者更高效，因为不再需要重新训练。为获得这种表示，ICDM 由构建-聚合-生成-转换过程构成，以学习学生、练习和概念的最终表示。广泛的实验表明，与始终采用归纳方法的现有认知诊断方法相比，ICDM 在新学生上保持竞争性的推断性能的同时，速度更快。