论文部分内容阅读
知识追踪模型（简称KT模型）是从学生的答题表现序列来推断其内在掌握知识情况的隐马尔科夫模型，它在智能辅导系统广泛使用。传统的KT模型通常只适用于对单个知识点能力的建模，且不能对题目难度和分辨度进行推断。但在现今智慧教育环境中，题目序列往往包含多个知识点，需要利用这些知识点对学生能力变化进行综合的评估和分析。为此，文章使用Logistic回归方法扩展KT模型的参数，提出三个面向多知识点的KT模型的改进模型：KTLR—GS模型、KTLR-LFID模型和KTLR—FP模型，分别把猜对概率、犯错概率、题目难度、观