19、探索学生模型与网页阅读行为预测

探索学生模型与网页阅读行为预测

学生模型预测的新视角

在学生模型的构建与预测中，传统上转移模型常被视为关键组成部分。然而，研究发现使用转移模型进行预测在提高预测准确性方面效果不佳。

转移模型并非通过单一参数总结学生情况，而是估计学生先前在各项技能上的表现所产生的影响。由于该模型只需应用这些影响来进行预测，所以能立即为新学生服务。但研究表明，使用转移模型预测是预测准确性最低的来源之一。相比之下，问题难度和学生的整体熟练程度能捕捉到学生表现的更多差异。结合学生在所有技能上的表现，而非仅依赖转移模型中的技能，对预测有显著的益处。

这意味着学生在转移模型中技能的熟练程度影响可能被高估，我们应考虑其他影响学生表现的因素。例如，学生近期的表现可能是一个重要因素，因为近期表现可能比早期表现更能预测下一次的表现。此外，学生的认真程度也可能是关键因素，因为学生的表现不仅取决于其能力和问题难度，还可能受其态度影响。

利用浏览器交互数据预测网页阅读行为

在自适应超媒体系统中，服务器端数据收集是最常见的信息来源，如页面访问和链接选择等事件。但这种方法的一个缺点是，系统将页面视为“整体”实体，无法确定哪些部分吸引了用户的注意力。

近年来，客户端用户行为被视为潜在的额外信息来源。随着 JavaScript 成为普遍支持的浏览器技术，现在可以可靠地捕捉客户端的鼠标和键盘事件。早期的研究发现，鼠标移动可用于识别学习类型，滚动量和页面停留时间可用于识别用户兴趣。

为了提高预测用户在页面上阅读内容的准确性，研究人员进行了一系列实验。首先提出了多个假设，试图将特定的交互模式与阅读行为联系起来：
1. H1