本書依托認知心理學、教育測量學等理論，提出了以認知診斷為核心的分析評估方法，該分析評估方法是教育與數(shù)據(jù)科學跨學科研究與實踐的成果。同時，本書聚焦面向學習任務的教育場景，深入探討了認知診斷相關方法，以支撐教育訓練過程的分析與評估。
本書共分6章，第1章總體概述了本書的研究內(nèi)容與主要貢獻；第2章闡述了本書相關研究工作所需要的基礎知識和現(xiàn)有模型的研究概況；第3章介紹了面向學習任務的知識關聯(lián)建模，聚焦知識關聯(lián)關系的量化建模方法，證明了知識關聯(lián)關系對于認知診斷的影響；第4章利用知識關聯(lián)關系信息構建了面向認知診斷的知識聚合方法；第5章提出了融合知識關聯(lián)關系的認知診斷深度模型，實現(xiàn)了認知診斷模型自身參數(shù)以及知識權重等參數(shù)的統(tǒng)一學習；第6章是總結與展望。
本書可以為高等院校計算機專業(yè)、教育技術專業(yè)本科生或研究生從事智慧教育訓練分析評估方面的研究提供指導，也可以為從事教育訓練研究的相關人員提供參考。
教育數(shù)據(jù)挖掘是當前數(shù)據(jù)工程、大數(shù)據(jù)與人工智能等眾多領域的前沿研究方向。作為教育數(shù)據(jù)挖掘的一個分支，教育訓練數(shù)據(jù)的分析與評估旨在通過分析教育訓練過程中產(chǎn)生的數(shù)據(jù)來評估學習者在學習訓練過程中的狀態(tài)或具備的能力，為實現(xiàn)精準學習、精準訓練奠定基礎。本書在現(xiàn)有認知診斷模型的基礎上，聚焦面向學習任務的教育場景，充分考慮面向學習任務的知識關聯(lián)關系，開展認知診斷方法研究，從而支撐教育訓練過程的分析與評估。本書內(nèi)容所涉及的工作是教育與數(shù)據(jù)科學跨學科研究與實踐的一次有益嘗試。
2020年以來，為了應對疫情危機，在線學習廣泛開展，在此過程中產(chǎn)生了大量的學習數(shù)據(jù)，這為教育訓練數(shù)據(jù)的分析與評估研究提供了更多的現(xiàn)實應用場景。本書將教育訓練數(shù)據(jù)的分析與評估聚焦于面向學習者能力評估的認知診斷方法研究，探索通過分析學習者相關學習過程的數(shù)據(jù)，挖掘出知識掌握程度（認知狀態(tài)）的智能評測方法。認知診斷方法是實現(xiàn)個性化學習乃至智能教育中“因材施教”目標的基石，相關的研究成果也逐步應用于面向基礎教育、高等教育的在線學習場景。因此，從認知診斷方法的視角研究教育訓練數(shù)據(jù)的分析與評估具有重要的意義與應用價值。面向學習任務的場景普遍存在于基礎教育、高等教育乃至軍事教育等多種類型的教育場景，在這些教育場景中往往需要表達并利用知識間的關聯(lián)關系，以建立更加有效的認知診斷模型�，F(xiàn)有的認知診斷研究將學習任務中各知識對于正確作答的影響視為同等重要，而未考慮知識的協(xié)調(diào)綜合的影響，即認知診斷模型忽視了學習任務本身的知識關聯(lián)關系，從而影響了認知診斷結果的準確性。本書針對如何建模面向學習任務的知識關聯(lián)關系及強度，如何構建更具泛化性的認知診斷聚合方式，以及如何建立深度神經(jīng)網(wǎng)絡實現(xiàn)認知診斷模型參數(shù)的統(tǒng)一學習這三方面挑戰(zhàn)，分別闡述了知識關聯(lián)建模、知識聚合方法以及認知診斷模型參數(shù)學習等方面的研究思路，為認知診斷模型向學習任務場景的應用拓展提供了有價值的理論與方法基礎。本書針對以下三個方面的問題，提出了獨創(chuàng)性的解決方案。
(1) 針對面向學習任務的知識關聯(lián)建模復雜的問題，在劃分知識關聯(lián)類型的基礎上，提出了基于模糊測度的知識關聯(lián)建模（KRFM）方法。首先，應用該方法實現(xiàn)了知識的關聯(lián)關系量化表征，同時給出了模糊測度的兩種計算方法；然后，詳細闡述了面向學習任務的知識全局重要度以及兩兩知識間的交互指標計算的實現(xiàn)算法，接著圍繞認知診斷這一應用需求，分析了知識關聯(lián)嵌入認知診斷過程的方式；最后，采用合成數(shù)據(jù)集和公開數(shù)據(jù)集，對所提出的方法在學習表現(xiàn)評估和知識關聯(lián)預測等任務上開展實驗與分析，結果驗證了KRFM方法的可行性和有效性。
(2) 針對現(xiàn)有認知診斷模型聚合方式泛化性弱的問題，提出了基于Sugeno積分的知識聚合（SI-GAM）方法。該方法不僅實現(xiàn)了知識關聯(lián)的融合，還建立了知識聚合函數(shù)的表達形式。具體而言，首先，用SI-GAM方法實現(xiàn)了知識權重和聚合函數(shù)的聯(lián)合表征；然后，將SI-GAM方法與現(xiàn)有聚合方法比較，推導證明了該方法的泛化能力；最后，進一步論證了SI-GAM方法在處理認知診斷多策略問題上的優(yōu)勢。本書分別在合成數(shù)據(jù)集和公開數(shù)據(jù)集上的學習表現(xiàn)預測和參數(shù)敏感性實驗方面證實了SI-GAM方法的有效性和魯棒性，并通過案例分析體現(xiàn)了SI-GAM方法的解釋性。
(3) 針對融合知識關聯(lián)認知診斷深度模型參數(shù)統(tǒng)一學習難的問題，提出了基于模糊積分深度神經(jīng)網(wǎng)絡的認知診斷模型（CHI-CDM）。該模型實現(xiàn)了學習者認知狀態(tài)與知識權重的統(tǒng)一表達。具體而言，首先，從學習者和學習任務兩個維度構建了CHI-CDM框架；然后，提出了針對多個學習任務的知識權重學習算法以獲得知識關聯(lián)關系及強度，該算法針對的是考查知識點數(shù)量相同的學習任務場景；最后，利用模糊積分深度神經(jīng)網(wǎng)絡實現(xiàn)知識聚合，在刻畫知識關聯(lián)關系的基礎上構建了認知診斷深度模型。實驗詳細描述了如何利用公開數(shù)據(jù)集和實際數(shù)據(jù)集對CHI-CDM開展分析以驗證模型效果，同時展示了該模型在學習表現(xiàn)預測、認知狀態(tài)診斷及知識關聯(lián)表征等方面的應用。
本書在編寫過程中，參考了相關資料，在此對相關文獻的作者表示衷心的感謝。
由于編著水平有限，書中難免存在一些不足，敬請廣大讀者批評指正。
編 者
2023年2月
第1章 緒論1
1.1 研究背景與意義 1
1.2 國內(nèi)外研究現(xiàn)狀 4
1.2.1 面向教育資源的表征與理解 5
1.2.2 面向自適應的學習推薦 5
1.2.3 面向學習者能力評估的認知診斷 6
1.3 研究挑戰(zhàn) 7
1.3.1 知識關聯(lián)關系表征 8
1.3.2 知識聚合泛化 8
1.3.3 模型參數(shù)學習 9
1.4 研究內(nèi)容與主要貢獻 9
1.5 本書組織結構 11
第2章 基礎知識與模型概述 13
2.1 認知診斷相關概念 13
2.1.1 知識及知識的結構 14
2.1.2 Q矩陣 14
2.1.3 作答反應模式 15
2.2 認知診斷模型 16
2.2.1 統(tǒng)一模型 16
2.2.2 項目反應理論模型 17
2.2.3 DINA模型 17
2.2.4 模糊認知診斷模型 18
2.3 模糊測度與模糊積分 19
2.3.1 模糊測度 19
2.3.2 模糊積分 19
2.4 深度神經(jīng)網(wǎng)絡 20
本章小結 21
第3章 面向學習任務的知識關聯(lián)建模 22
3.1 知識關聯(lián)建模相關研究 22
3.1.1 基于學科體系的知識關聯(lián) 23
3.1.2 基于學習者建構的知識關聯(lián) 24
3.2 基于模糊測度的知識關聯(lián)建模方法 24
3.2.1 面向學習任務的知識關聯(lián) 24
3.2.2 知識集合的關聯(lián)關系類型 25
3.2.3 基于模糊測度的知識關聯(lián)建模 26
3.2.4 模糊測度的計算 29
3.3 知識的全局重要度和交互指標 32
3.3.1 知識的全局重要度 32
3.3.2 知識的交互指標 33
3.4 知識關聯(lián)在認知診斷中的應用 35
3.4.1 知識關聯(lián)的嵌入 35
3.4.2 知識關聯(lián)實驗設置 36
3.4.3 知識關聯(lián)實驗結果分析 38
本章小結 41
第4章 面向認知診斷的知識聚合方法 42
4.1 認知診斷中的知識聚合 42
4.2 知識聚合方法相關研究 44
4.2.1 知識權重的建模 44
4.2.2 知識聚合的建模 45
4.3 基于Sugeno積分的通用知識聚合方法 46
4.3.1 知識權重的表征 46
4.3.2 聚合函數(shù)的選擇 48
4.3.3 與現(xiàn)有模型的聚合方法比較 51
4.4 認知診斷中的多策略問題 54
4.5 知識聚合實驗 57
4.5.1 知識聚合實驗設置 58
4.5.2 知識聚合實驗結果分析 60
本章小結 64
第5章 融合知識關聯(lián)的認知診斷深度模型 65
5.1 認知診斷深度模型相關研究 65
5.2 融合知識關聯(lián)的認知診斷深度模型 66
5.2.1 問題描述 66
5.2.2 融合知識關聯(lián)的認知診斷模型框架 67
5.2.3 基于模糊積分的認知診斷深度模型實現(xiàn) 70
5.3 認知診斷模型實驗 77
5.3.1 模型實驗設置 78
5.3.2 模型實驗結果分析 80
5.4 面向編程學習的認知診斷應用 85
本章小結 86
第6章 總結與展望 88
6.1 研究總結 88
6.2 未來展望 89
參考文獻 91
書單推薦
