利用鼠标交互特征预测交互式在线题库中的学生表现

对学生学习进行建模并进一步预测其表现是在线学习中一项成熟的任务，并且通过根据学生需求推荐不同的学习资源，对个性化教育至关重要。交互式在线题库（例如教育游戏平台）作为在线教育的重要组成部分，近年来日益普及。然而，现有大多数关于学生表现预测的工作针对的是具有良好结构化课程、预定义题目顺序以及由领域专家提供的准确知识点标签的在线学习平台。目前尚不清楚如何在缺乏此类由专家组织的题目顺序或知识点标签的交互式在线题库中进行学生表现预测。在本文中，我们提出了一种新方法，通过进一步考虑学生交互特征与题目之间的相似性，来提升交互式在线题库中的学生表现预测。具体而言，我们基于学生鼠标移动轨迹引入了新特征（例如思考时间、首次尝试和首次拖放）以刻画学生解题细节。此外，应用异质信息网络整合学生在相似题目上的历史解题信息，从而增强对新题目的学生表现预测。我们使用来自真实世界交互式题库的数据集，通过四种典型机器学习模型对所提方法进行了评估。