Prompt Transfer for Dual-Aspect Cross Domain Cognitive Diagnosis
机器学习
2024-12-09 v1 计算机与社会
摘要
认知诊断(CD)旨在基于学生的交互数据评估其认知状态，从而支持练习推荐和个性化学习指导等下游应用。然而，现有方法在跨域认知诊断(CDCD)中常常面临准确率下降的问题，这是一个实际但具有挑战性的任务。虽然一些研究探索了练习方面的CDCD，如跨学科场景，但它们未能解决CDCD更广泛的双方面性质，即同时涵盖学生方面和练习方面的变化。这种多样性为开发场景无关的框架带来了重大挑战。为了解决这些不足，我们提出了PromptCD，一个简单而有效的框架，利用软提示迁移进行认知诊断。PromptCD旨在无缝适应各种CDCD场景，引入了面向学生方面的PromptCD-S和面向练习方面的PromptCD-E。在真实数据集上的大量实验证明了PromptCD的鲁棒性和有效性，在各种CDCD场景中持续取得优越性能。我们的工作为CDCD提供了一个统一且可泛化的方法，推进了这一关键领域的理论和实践理解。我们的框架实现已公开发布于https://github.com/Publisher-PromptCD/PromptCD。
引用
@article{arxiv.2412.05004,
title = {Prompt Transfer for Dual-Aspect Cross Domain Cognitive Diagnosis},
author = {Fei Liu and Yizhong Zhang and Shuochen Liu and Shengwei Ji and Kui Yu and Le Wu},
journal= {arXiv preprint arXiv:2412.05004},
year = {2024}
}