衡量学生游戏行为对学习者建模的影响
计算机与社会
2026-01-13 v3
摘要
大规模在线教育平台的扩展，使大量学生互动数据可用于知识追踪（KT）。KT模型从互动数据中估算学生的概念掌握程度，但其性能对输入数据质量敏感。游戏行为，例如过度使用提示，可能误表示学生的知识并削弱模型的可靠性。然而，系统性地调查不同类型的游戏行为如何影响KT仍然稀缺，现有研究依赖于高成本的手动分析，无法捕捉行为的多样性。在本研究中，我们将游戏行为概念化为数据投毒的一种形式，定义为向模型的学习过程提交错误或误导性互动数据的行为，以破坏模型的学习。我们设计数据投毒攻击（DPA）来模拟多样化的游戏模式，并系统评估其对KT模型性能的影响。此外，借助DPA检测的最新进展，我们探索无监督方法以增强游戏行为检测的通用性。我们发现，KT模型的性能特别会因随机猜测行为而下降。我们的发现提供了关于KT模型脆弱性的见解，并突显了对提高学习分析系统鲁棒性潜力的对抗方法。
引用
@article{arxiv.2512.18659,
title = {Measuring the Impact of Student Gaming Behaviors on Learner Modeling},
author = {Qinyi Liu and Lin Li and Valdemar Švábenský and Conrad Borchers and Mohammad Khalil},
journal= {arXiv preprint arXiv:2512.18659},
year = {2026}
}
备注
Full research paper accepted at Learning Analytics and Knowledge (LAK '26) conference, see https://doi.org/10.1145/3785022.3785036