[发明专利]一种学习能力确定方法、装置及存储介质

说明书

本申请涉及一种学习能力确定方法、装置及存储介质，所述方法包括：获取答题者已作答的预设数量试题对应的试题信息，每个所述试题的试题信息包括所述试题的作答情况和所述试题的属性信息，所述试题的属性信息至少包括所述试题的文本内容；根据各个所述试题的作答情况和文本内容，得到训练样本集；采用所述训练样本集对深度知识追踪网络进行训练，得到目标追踪模型；利用所述目标追踪模型确定所述答题者的学习能力，得到确定结果。本申请融合文本内容的信息，可以丰富模型训练内容，提高了模型预测的准确性。

技术领域

本申请涉及教育测评技术领域，尤其涉及一种学习能力确定方法、装置及存储介质。

背景技术

人工智能已在老师教学与学生学习、评测的各个环节切入教育领域，正在创造着更加个性化、服务于终身学习的智能高效学习环境。在个性化学习系统中，学习能力确定是解决认知诊断问题的有效解决方案，即通过学习能力确定模型预测学生对知识点的掌握程度，准确可靠的学习能力确定模型意味着可以根据学生自身的知识状态，给学生推荐合适的练习题目，从而实现对学生进行高效的个性化教学。

现有的学习能力确定模型主要包括项目反映理论(Item Response Theory，IRT)、贝叶斯知识追踪(Bayesian Knowledge Tracing，BKT)模型以及深度知识追踪(DeepKnowledge Tracing，DKT)网络模型。相比于IRT和BKT模型，DKT网络模型基于循环神经网络的对学生进行建模，在学习能力确定性能上有了很大提升。但DKT网络模型仅将试题的作答情况(如做对或做错)视为输入，而忽略了试题所包含的其他信息，预测准确性较低。

发明内容

本申请提供了一种学习能力确定方法、装置及存储介质，丰富了模型输入，提高了模型预测的准确性。

一方面，本申请提供了一种学习能力确定方法，所述方法包括：

获取答题者已作答的预设数量试题对应的试题信息，每个所述试题的试题信息包括所述试题的作答情况和所述试题的属性信息，所述试题的属性信息至少包括所述试题的文本内容；

根据各个所述试题的作答情况和文本内容，得到训练样本集；

采用所述训练样本集对深度知识追踪网络进行训练，得到目标追踪模型；

利用所述目标追踪模型确定所述答题者的学习能力，得到确定结果。

另一方面提供了一种学习能力确定装置，所述装置包括：

数据获取模块，用于获取答题者已作答的预设数量试题对应的试题信息，每个所述试题的试题信息包括所述试题的作答情况和所述试题的属性信息，所述试题的属性信息至少包括所述试题的文本内容；

样本生成模块，用于根据各个所述试题的作答情况和文本内容，得到训练样本集；

模型训练模块，用于采用所述训练样本集对深度知识追踪网络进行训练，得到目标追踪模型；

能力确定模块，用于利用所述目标追踪模型确定所述答题者的学习能力，得到确定结果。

另一方面提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上所述的学习能力确定方法。

本申请提供的学习能力确定方法、装置及存储介质，具有如下有益效果：融合试题的文本内容对深度知识追踪网络进行模型训练，使模型能够学习到试题更多的特征，而不仅仅只关注试题的作答情况，可以丰富模型输入，降低由于模型输入的特征不足带来的误差，进而提高模型预测的准确性。

附图说明