跨平台分类体系的学习技能等价性
计算机与社会
2021-02-26 v2 机器学习
摘要
技能评估与报告是许多数字学习平台的核心特征。由于学生常使用多个平台，跨平台评估已成为一个新挑战。尽管学习工具互操作性（LTI）等技术已实现平台间通信，但调和它们所采用的不同技能分类体系尚未在规模上解决。本文中，我们引入并评估一种利用题目内容以及平台点击流数据来发现并关联平台间等价技能的方法。我们提出六种模型将技能表示为连续实值向量，并利用机器翻译在技能空间间映射。这些方法在三个数字学习平台上进行测试：ASSISTments、Khan Academy 和 Cognitive Tutor。我们的结果表明，从细粒度分类体系到粗粒度分类体系的技能等价性预测具有合理准确率，在三个平台间取得了 0.8 的平均 recall@5。我们的技能翻译方法有助于减轻辅导及标准化测试领域中繁琐的人工分类体系到分类体系映射工作（亦称 crosswalks）的意义。
引用
@article{arxiv.2102.09377,
title = {Learning Skill Equivalencies Across Platform Taxonomies},
author = {Zhi Li and Cheng Ren and Xianyou Li and Zachary A. Pardos},
journal= {arXiv preprint arXiv:2102.09377},
year = {2021}
}
备注
Accepted to Learning Analytics and Knowledge (LAK-2021)