55、学生程序性知识推断与个人信息管理研究

学生程序性知识推断与个人信息管理研究

在教育和信息管理领域，有两项研究成果引人关注，一项聚焦于学生程序性知识的推断，另一项则围绕个人信息管理展开，下面将为大家详细介绍。

学生程序性知识推断

在学生知识评估方面，以往的研究主要集中在学生陈述性知识的推断，而程序性知识的推断方法相对较少。为了解决这一问题，研究人员提出了一种利用项目反应理论（IRT）来推断学生程序性知识的技术。

现有技术

• 智能辅导系统（ITS） ：在过去几十年里，ITS在人工智能、认知科学和教育研究中发挥了重要作用。早期理论如ACT理论，假设了程序性知识和陈述性知识的区别。
  • 认知导师 ：基于ACT理论的一类ITS，通过模型跟踪来提高学生的程序性知识，并通过知识跟踪进行评估。模型跟踪使用一组正确和错误的规则来执行特定技能，知识跟踪则是一种学生建模技术，导师使用贝叶斯程序来估计学生学习每个规则的概率，从而预测学生的测试后表现。
  • Andes系统 ：为牛顿物理学开发的ITS，使用贝叶斯网络进行长期知识评估、计划识别和问题解决过程中对学生行动的预测。然而，更新贝叶斯网络在最坏情况下是NP难问题，响应时间可能极长。
• 项目反应理论（IRT） ：是测试系统中最流行和最有根据的知识推断策略之一。它基于两个原则：一是学生在测试中获得的结果可以由一组不可观察的因素（如知识水平）解释；二是具有特定知识水平的学生回答项目的表现可以通过特征曲线进行概