junyi PSLC 数据集处理 —— txt 转 csv

APythonC APythonC 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1k累计阅读 1.1k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄7年
关注
VIP免费 原创 最新推荐文章于 2026-03-03 08:20:32 发布 1k 阅读 AI 写同款· GEO 优化 ›
2023知识追踪最新综述来自顶刊！！！——《Knowledge Tracing:A Survey》 2023知识追踪最新综述——《Knowledge Tracing：A Survey》，文章发表在ACM Computing Survey上 阅读详情

网上的代码

import numpy as np
import pandas as pd
 
txt = np.loadtxt('junyi_ProblemLog_for_PSLC.txt')
txtDF = pd.DataFrame(txt)
txtDF.to_csv('junyi_ProblemLog_for_PSLC.csv',index=False)
最低0.47元/天 解锁文章
标签
#python #数据挖掘
【论文解读|SIGIR2021】RCD: Relation Map Driven Cognitive Diagnosis for Intelligent Education Systems 文章目录摘要二级目录三级目录 摘要 认知诊断（CD）是智能教育中的一个基本问题，其目的是发现学生对不同知识概念的掌握程度。一般而言，以往的研究大多将其视为一个层间交互建模问题，如IRT中的学生-练习交互或DINA中的学生-概念交互，而概念之间的教育相互依存等内层结构关系仍未得到充分的探讨。此外，在CD系统中，学生-练习-概念层次关系缺乏全面的建模。为此，本文提出了一个新的关系图驱动的认知诊断框架(RCD），通过一个多层的学生-练习-概念关系图统一建模交互的结构关系。具体来说，我们首先将学生、练习和概念表示. 阅读详情

相关推荐

基于深度学习知识追踪研究进展（综述）数据集模型方法

基于深度学习的知识追踪研究进展 计算机研究与发展 中文核心期刊 https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=JFYZ20210608001&v=8SqcXNnYzq3Od8MixO%25mmd2Bb0hnPGsfdzLN%25mmd2Byb7OHxxKZuyjdCrFsuZNA5r%25mmd2F3dkSqGtL 看看之前写的课程综述，在看看别人的工作，距

sereasuesue的博客 5520

Knowledge Tracing 资源帖1

Knowledge Tracing Benchmark Dataset There are some datasets which are suitable for this task, KDD Cup 2010 https://pslcdatashop.web.cmu.edu/KDDCup/downloads.jsp ASSISTments ASSISTments (google.com) OLI Engineering Statics 2011 https://pslcdatashop....

sereasuesue的博客 3725

知识追踪数据集下载[项目代码]

本文介绍了多个常用于知识追踪研究的数据集及其下载链接。其中包括SyntheticDKT模拟数据集、2011年工程静力学课程数据集、2010年KDD杯比赛数据集、EdNet大规模分层学生活动数据集、Junyi在线教育网站数据集以及多个版本的ASSISTMENTS在线辅导系统数据集。这些数据集涵盖了不同规模的学生交互信息，从数千到数百万不等，为知识追踪研究提供了丰富的数据支持。每个数据集都附有简要描述和下载链接，方便研究者获取和使用。

HWDB1.1数据集处理全攻略：从gnt文件到PNG图片的完整转换教程

本文提供了HWDB1.1数据集处理的完整教程，详细解析了gnt二进制文件格式，并给出了从文件解析、标签映射到批量转换为PNG图片的Python脚本。教程涵盖了环境准备、跨平台解压方案，以及为PyTorch等深度学习框架准备数据的最佳实践，是进行手写汉字识别研究不可或缺的实用指南。

2w3e4r5t6y的博客 632

不用API Key也能玩转Obsidian AI：本地大模型离线配置全攻略

本文详细介绍了如何在无需API Key的情况下，通过本地部署大型语言模型（LLM）为Obsidian注入AI能力。文章以Ollama为例，提供了从环境准备、模型选择到与Obsidian插件（如Text Generator）集成的完整配置攻略，旨在帮助用户打造一个安全、离线可用的智能笔记工作流，实现数据隐私与AI助力的完美结合。

weixin_29062963的博客 819

Mac无管理员权限安装NVM全攻略（附国内镜像加速）

本文详细介绍了在Mac电脑无管理员权限的情况下，如何通过Git克隆方式安装Node版本管理工具NVM，并配置国内镜像源以加速下载。攻略涵盖环境检查、安装步骤、Shell环境变量配置、镜像加速设置以及常用命令和常见问题解决方案，帮助开发者绕过权限限制，高效管理Node.js版本。

weixin_29296241的博客 492

数据驱动AI落地：从业务价值到技术实践的全链路方法论

以数据驱动为核心，围绕 AI 落地全链路展开：先建全域数据体系（拉通内外部数据、治理数据质量），再将 AI 嵌入研发、制造、营销、服务等业务链路解决痛点，搭配混合算力架构保障技术落地，辅以 “小场景试错 - 复制” 战略、跨部门团队等方法论。结合美的集团数字化转型实践，最终实现 AI 对业务降本、增效、增收的价值，为企业 AI 转型提供可复用路径。

专注数据驱动领域原创分享。拆解从数据采集、建模分析到业务价值落地的全链路实践，聊决策逻辑、技术工具与场景案例。用通俗语言讲透数据如何赋能业务，与同路人共探数据价值。 1892

前端监控体系：从Sentry到LogRocket错误追踪

Sentry是一款开源的实时错误追踪系统，支持多种语言和框架，包括JavaScript、React、Vue等。它提供了丰富的错误信息、堆栈跟踪和环境数据，帮助开发者快速定位和解决问题。LogRocket是一款前端监控和用户行为分析工具，它提供了视频回放、性能监控、错误追踪等功能。与Sentry不同，LogRocket更注重用户行为的全面分析。前端监控体系是确保应用稳定性和用户体验的重要保障。通过集成Sentry和LogRocket等监控工具，开发者可以实时追踪应用中的错误和用户行为，快速定位和解决问题。

shejizuopin的博客 1316

l0phtcrack 7（爆破管理员密码）使用教程

l0phtcrack7简称lc7，是爆破计算机管理员密码的软件，早期是网络安全管理员用来检测系统用户是否使用了不安全的密码，后被黑客用于用户口令破解 功能：该工具支持远程破解，理论上能破解所有密码，但对复杂度比较高的密码，破解时间很长 使用前提：1.登录了需要破解的计算机 2.知道需要破解的计算机的一个管理员的账户，密码 ** 也许你会疑惑，我都知道了一个管理员账户密码了，还要另外的管理员密码...

Xiongcanne的博客 2万+

锂电池SOH估计 | 锂电池SOH基础计算与可视化（Python）

锂电池SOH估计 | 锂电池SOH基础计算与可视化（Python）

前程算法屋的博客 900

PNETLab 镜像包官方下载太慢？不急，最新版本PNET_4.2.10分享！

你好，这里是网络技术联盟站，我是瑞哥。PNETLab是一个强大的网络仿真工具平台，全称Packet Network Emulator Tool Lab。它不仅允许用户进行深入的网络实验，还支持社区成员之间的实验室共享。PNETLab致力于为学习者、教师以及网络工程师提供一个全面的实验环境，以便于他们能够在实际部署前测试和验证网络配置和协议。和。这两个部分相辅相成，共同构成了一个全面且灵活的网络仿真生态系统。

网络技术联盟站 4482

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目，保存在这里方便以后使用直接下载

假人有限元模型

假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制
上一篇： 添加学生信息
下一篇： React组件化开发实现全选反选框
点赞 0
评论 2
书签 书签 0
APythonC
APythonC
博客等级 码龄7年 23粉丝 58原创
+ 关注 专栏目录
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值