TLCD：面向跨学科认知诊断的深度迁移学习框架

受智能教育和人工智能技术双重原则的驱动，线上教育模式迅速崛起，成为教育产业的重要组成部分。认知诊断技术可利用学生的学习数据和反馈信息，在教育评估中准确评估其在知识层面的能力水平。然而，尽管海量信息提供了丰富的数据资源，却也带来了特征提取的复杂性和学科数据稀缺的问题。在跨学科领域，传统认知诊断方法仍面临诸多挑战。鉴于不同学科在知识体系、认知结构和数据特征方面的差异，本文深入研究了神经网络认知诊断和知识关联神经网络认知诊断，提出一种创新的跨学科认知诊断方法（TLCD）。该方法结合深度学习技术和迁移学习策略，通过利用主学科的共同特征来增强模型在目标学科中的性能。实验结果表明，基于深度学习的跨学科认知诊断模型在跨学科认知诊断任务中优于基础模型，能够更准确地评估学生的学习情况。