MoocRadar：面向 MOOC 中认知学生建模改进的细粒度多方面知识库
人工智能
2023-04-06 v1 信息检索
摘要
学生建模，即通过学生与课程的交互推断其学习特征的任务，是智能教育中的基础问题。尽管知识追踪与认知诊断的近期尝试为提升现有模型的可用性与有效性提出了若干有前景的方向，但由于现有公开数据集忽视完整的练习上下文、细粒度概念与认知标签，仍不足以满足这些潜在方案的需求。在本文中，我们提出 MoocRadar，一个由 2,513 道习题、5,600 个知识点及超过 1,200 万条行为记录构成的细粒度、多方面知识库。具体而言，我们提出一个框架以保障细粒度概念与认知标签的高质量、全面标注。统计与实验结果表明，我们的数据集为现有方法的未来改进提供了基础。此外，为支持研究者的便捷使用，我们发布了一组用于数据查询、模型适配乃至知识库扩展的工具，现可在 https://github.com/THU-KEG/MOOC-Radar 获取。
引用
@article{arxiv.2304.02205,
title = {MoocRadar: A Fine-grained and Multi-aspect Knowledge Repository for Improving Cognitive Student Modeling in MOOCs},
author = {Jifan Yu and Mengying Lu and Qingyang Zhong and Zijun Yao and Shangqing Tu and Zhengshan Liao and Xiaoya Li and Manli Li and Lei Hou and Hai-Tao Zheng and Juanzi Li and Jie Tang},
journal= {arXiv preprint arXiv:2304.02205},
year = {2023}
}
备注
Accepted by SIGIR 2023