学习者知识模型的在线学习算法

被引：2

作者：

李唯实 ^{[1
]}

毛晓光 ^{[1
]}

谢建文 ^{[2
]}

机构：

[1] 国防科学技术大学计算机学院

[2] 北京国之源软件技术有限公司湖南研发基地

来源：

计算机应用 | 2012年 / 32卷 / 02期

关键词：

知识模型; 贝叶斯网络; 在线学习; 置信因子;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

学习者知识模型是智能授导系统(ITS)中教学过程实现和策略实施的基础,然而由于判别学习者知识掌握程度的不确定性和学习者知识掌握水平的实时变化,构建能正确反映学习者知识掌握程度及其变化的知识模型十分困难。基于贝叶斯网络,以知识项为基本节点构建学习者知识模型的结构;引入问题节点,根据学习者的学习测试结果,采用Voting EM算法来对知识模型的参数进行在线学习和更新;同时,通过设置置信因子和更新时间标记来改进在线学习的效果。实验表明,模型能够较好地反映学习者知识掌握状况和快速适应学习者知识掌握水平的变化,有助于ITS更好地评价学习者学习效果。

引用

页码：436 / 439

页数：4

共 7 条

[1]

Online learning of Bayes-ian network parameters. COHEN I,BRONSTEIN A,COZMAN F G. The Fourth International Conference onNatural Computation . 2008

[2]

Student modeling based on belief networks. REYE J. Interna-tional Journal of Artificial Intelligence in Education . 2004

[3]

Student modeling. van LEHN K. Foundations of IntelligentTutoring Systems . 1988

[4]

Knowledge tracing: Modeling the acquisition of procedural knowledge[J] . Albert T. Corbett,John R. Anderson. &nbspUser Modelling and User-Adapted Interaction . 1995 (4)

[5]

An introduction to Bayesian networks. Jensen FV. . 1996

[6]

A design of an intelligent tutoring system. ZHANG Jie,,CHEUNG B,HUI L. University of Hong Kong TR-2001-01 . 2001

[7]

Adaptive online learn-ing of Bayesian network parameters. COHEN L,BRONSTEIN A,COZMAN F G. HPL-2001-156 . 2001

← 1 →