迈向公平高效的智能学习:一种生成式认知诊断方法

《IEEE Transactions on Learning Technologies》:Towards Fair and Efficient Intelligent Learning: A Generative Cognitive Diagnosis Approach

【字体: 大 中 小 】 时间:2026年03月17日 来源:IEEE Transactions on Learning Technologies 7.4

编辑推荐:

  摘要:智能学习是一种全面的电子学习方法,能够根据个体学习者的需求动态调整教学内容。在智能学习框架中,认知诊断模型作为核心技术,通过分析诊断测试的响应数据来推断人的认知状态。传统的认知诊断模型通常将认知状态视为可学习的参数,并通过基于分数预测的方法对其进行优化。然而,这种方法存在诊

  

摘要:

智能学习是一种全面的电子学习方法,能够根据个体学习者的需求动态调整教学内容。在智能学习框架中,认知诊断模型作为核心技术,通过分析诊断测试的响应数据来推断人的认知状态。传统的认知诊断模型通常将认知状态视为可学习的参数,并通过基于分数预测的方法对其进行优化。然而,这种方法存在诊断结果不可识别的问题,且在为新学习者进行快速诊断时效率较低。这些局限性对认知评估的公平性和实用性构成了重大挑战。在本研究中,我们提出了一种新的生成式诊断方法,旨在解决这些问题。通过无需重新优化参数即可归纳推断认知状态,我们的生成式方法确保了诊断结果的可靠性,同时解决了基于优化的诊断方法效率低的问题。我们提出了这种方法的两种简洁而强大的实现形式:生成式项目反应理论和生成式神经认知诊断模型。通过对真实世界数据集的广泛实验,结果表明我们的方法显著优于传统模型,具有更好的可扩展性和可靠性。最终,这一生成式框架为开发下一代智能学习环境提供了坚实的基础。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号