[发明专利]基于深度项目反应理论的认知诊断方法

说明书

本发明公开了一种基于深度项目反应理论的认知诊断方法，包括：获取学生的历史习题数据；对历史习题数据进行预处理，使用深度学习方法并结合预处理结果对学生和习题数据进行建模，获得学生的潜在特质、以及习题难度和区分度；根据学生的潜在特质、以及习题难度和区分度，利用项目反应理论的二参数模型预测学生在习题上的得分。上述方法可以给学生提供更有效、更详细以及更鲁棒的认知诊断结果。

技术领域

本发明涉及深度学习和教育数据挖掘领域，尤其涉及一种基于深度项目反应理论的认知诊断方法。

背景技术

当前的大数据和数据挖掘技术快速发展，尤其是在教育领域，大量的习题数据被收集，并且被广泛应用于教育相关领域。比如个性化试题推荐可以给学生推荐合适的练习题，来加强学生在知识点或者答题技巧上的熟练度；自适应测试可以根据学生自身的认知情况，给学生提供个性化的测试方案。而对学生的认知情况，也就是学上在知识点或者答题技巧上的掌握程度的准确诊断，是这些应用的基础。

传统的认知诊断方法都基于统计学，仅仅使用学生答题结果的历史数据来对学生进行诊断，对数据敏感，且鲁棒性不好。围绕认知诊断这个问题，很多研究者提出了不少方法，但是这些方法都没能够使用习题文本数据来提升诊断效果，然而，教育领域已经积累了很多习题数据，尤其是文本数据。

因此如何利用习题文本，来增强传统认知诊断模型的有效性以及鲁棒性，是当前教育大数据背景下亟待解决的一个重要问题。

发明内容

本发明的目的是提供一种基于深度项目反应理论的认知诊断方法，可以给学生提供更有效、更详细以及更鲁棒的认知诊断结果，从而能够更有针对性的给学生推荐合适的习题。

本发明的目的是通过以下技术方案实现的：

一种基于深度项目反应理论的认知诊断方法，其特征在于，包括：

获取学生的历史习题数据；

对历史习题数据进行预处理，使用深度学习方法并结合预处理结果对学生和习题数据进行建模，获得学生的潜在特质、以及习题难度和区分度；

根据学生的潜在特质、以及习题难度和区分度，利用项目反应理论的二参数模型预测学生在习题上的得分。

由上述本发明提供的技术方案可以看出，充分利用了习题数据，能够增强认知诊断的有效性和鲁棒性，同时，弥补了传统项目反映理论的单维性和不能冷启动以及大规模训练的弊端。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种基于深度项目反应理论的认知诊断方法的流程图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提供一种基于深度项目反应理论的认知诊断方法，其具体基于深度项目反应理论实现，如图1所示，主要包括如下步骤：

步骤11、获取学生的历史习题数据。

本发明实施例中，所述历史习题数据包含了M个习题，每一习题包括的习题描述文本以及习题包含的知识点集合。同时，还获取学生的答题记录，其中的实际得分将用于训练阶段。