RKT：用于知识追踪的关系感知自注意力模型

为应对近期的 Covid19 疫情，世界已过渡到在线学习的新阶段。如今比以往任何时候都更须以各种方式突破在线学习的极限，以维持教育系统的繁荣。在线学习的一个关键组成部分是知识追踪（KT）。KT 的目标是根据学生对称为交互的一系列练习的作答来建模其知识水平。学生在解题过程中习得技能，且每次这样的交互对解决未来练习的能力都有独特影响。此“影响”由 1）交互所涉及练习之间的关系以及 2）学生的遗忘行为刻画。传统的知识追踪研究并未显式地联合建模这两个成分以估计这些交互的影响。本文中，我们提出了一种新颖的用于知识追踪的关系感知自注意力模型（RKT）。我们引入了关系感知自注意力层以融入上下文信息。该上下文信息通过练习的文本内容包括练习关系信息以及学生表现数据，并通过建模指数衰减核函数包括遗忘行为信息，从而将二者整合。在三个真实世界数据集上的大量实验（其中两个新收集数据集已公开）表明，我们的模型优于最先进的知识追踪方法。此外，可解释的注意力权重有助于可视化交互之间的关系以及人类学习过程中的时间模式。