基于深度学习的知识追踪研究进展论文总结

个性化的教育系统根据学生加速学习的能力向他们推荐学习内容学习。此处提出了一种用于在线自我指导学习的个性化运动建议系统。我们首先提高了知识跟踪模型的性能。现有的深度知识跟踪模型，例如动态键值存储网络（DKVMN），请忽略练习”概念标签，通常在补习系统中可用。我们评估了五年级的模型学生的数学运动数据集，TAL中最大的一个中国的教育团体，发现我们的模型具有比现有模型更高的性能。我们也增强了DKVMN模型可支持更多输入功能并获得更高的性能。其次，我们使用模型来构造一个学生模拟器，并使用它来训练具有深度强化学习功能的运动推荐策略。实验结果表明，与现有启发式策略排名，我们的策略在性能最大化方面实现了更好的能提高学生的知识水平。就我们所知，这是第一次深度强化学习已取代个性化数学练习推荐。

知识追踪数据集

DeepKnowledgeTracing论文中复现的源码，包含数据集