論文の概要: Exploring Student Representation For Neural Cognitive Diagnosis
- arxiv url: http://arxiv.org/abs/2111.08951v1
- Date: Wed, 17 Nov 2021 07:47:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-18 19:27:00.553252
- Title: Exploring Student Representation For Neural Cognitive Diagnosis
- Title（参考訳）: 神経認知診断のための学生表現の検討
- Authors: Hengyao Bao, Xihua Li, Xuemin Zhao, Yunbo Cao
- Abstract要約: 本稿では,知識概念と学生の埋め込みの階層的関係を探索し,学生表現の手法を提案する。
提案手法の有効性を示す実験を行った。
- 参考スコア（独自算出の注目度）: 2.8617826964327113
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cognitive diagnosis, the goal of which is to obtain the proficiency level of
students on specific knowledge concepts, is an fundamental task in smart
educational systems. Previous works usually represent each student as a
trainable knowledge proficiency vector, which cannot capture the relations of
concepts and the basic profile(e.g. memory or comprehension) of students. In
this paper, we propose a method of student representation with the exploration
of the hierarchical relations of knowledge concepts and student embedding.
Specifically, since the proficiency on parent knowledge concepts reflects the
correlation between knowledge concepts, we get the first knowledge proficiency
with a parent-child concepts projection layer. In addition, a low-dimension
dense vector is adopted as the embedding of each student, and obtain the second
knowledge proficiency with a full connection layer. Then, we combine the two
proficiency vector above to get the final representation of students.
Experiments show the effectiveness of proposed representation method.
- Abstract（参考訳）: 認知診断は、特定の知識概念に関する生徒の習熟度を高めることを目的としており、スマート教育システムにおける基本的な課題である。
従来の研究は通常、各学生を訓練可能な知識能力ベクトルとして表現し、学生の概念と基本的なプロファイル(記憶や理解など)の関係を捉えることができない。
本稿では,知識概念と学生の埋め込みの階層的関係を探索し,学生表現の手法を提案する。
具体的には、親知識概念の習熟度が知識概念間の相関を反映していることから、親概念投影層と最初の知識習熟度を得る。
また、各生徒の埋め込みとして低次元密度ベクトルを採用し、全接続層で第2の知識習熟度を得る。
そして、上記の2つの習熟ベクトルを組み合わせて、学生の最終表現を得る。
提案手法の有効性を示す実験を行った。
関連論文リスト
- Concept-Aware Latent and Explicit Knowledge Integration for Enhanced Cognitive Diagnosis [13.781755345440914]
認知診断のための概念認識型遅延・明示的知識統合モデル(CLEKI-CD)を提案する。
具体的には、学生の熟達度に応じて多次元ベクトルを構築し、複数の視点から各知識概念のエクササイズ困難を解消する。
我々は認知診断層を併用して、潜在的知識と明示的知識を統合し、さらに認知診断性能を向上させる。
論文 参考訳（メタデータ） (2025-02-04T08:37:16Z) - Optimizing Student Ability Assessment: A Hierarchy Constraint-Aware Cognitive Diagnosis Framework for Educational Contexts [26.287186220848763]
階層的制約を考慮した認知診断フレームワーク(HCD)を提案する。
HCDは、実際の教育的文脈内での生徒の能力パフォーマンスをより正確に表現することを目的としている。
階層的制約認識機能を既存のモデルと統合し、個人特性とグループ特性の両方の表現を改善する。
論文 参考訳（メタデータ） (2024-11-21T11:37:36Z) - Learning Structure and Knowledge Aware Representation with Large Language Models for Concept Recommendation [50.31872005772817]
概念推薦は,学習者が自身の知識状態と人間の知識システムに基づいて学習する次の概念を提案することを目的としている。
従来のアプローチでは、人間の知識システムをこれらの教育モデルを設計するプロセスに効果的に統合していない。
SKarREC(Structure and Knowledge Aware Representation Learning framework for concept Recommendation)を提案する。
論文 参考訳（メタデータ） (2024-05-21T01:35:36Z) - Knowledge Condensation and Reasoning for Knowledge-based VQA [20.808840633377343]
近年の研究では、外部知識ベースから知識パスを取得し、それを使って質問に答えている。
本稿では,知識凝縮モデルと知識推論モデルという2つの相乗的モデルを提案する。
本手法は知識に基づくVQAデータセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2024-03-15T06:06:06Z) - Vector-based Representation is the Key: A Study on Disentanglement and
Compositional Generalization [77.57425909520167]
良質な概念認識と斬新な概念構成を両立させることが可能であることを示す。
本研究では,スカラーベース・アンタングル化作業のベクトルベース化を図り,両機能を向上する手法を提案する。
論文 参考訳（メタデータ） (2023-05-29T13:05:15Z) - Distinguish Before Answer: Generating Contrastive Explanation as
Knowledge for Commonsense Question Answering [61.53454387743701]
本稿では,概念中心のPrompt-bAsed Contrastive Explanation GenerationモデルであるCPACEを提案する。
CPACEは、得られたシンボル知識を、与えられた候補間の差異をよりよく区別するために、対照的な説明に変換する。
本稿では,CSQA,QASC,OBQAの3つの質問回答データセットについて実験を行った。
論文 参考訳（メタデータ） (2023-05-14T12:12:24Z) - COPEN: Probing Conceptual Knowledge in Pre-trained Language Models [60.10147136876669]
概念的知識は人間の認知と知識基盤の基本である。
既存の知識探索作業は、事前訓練された言語モデル(PLM)の事実知識のみに焦点を当て、概念知識を無視する。
PLMが概念的類似性によってエンティティを編成し、概念的特性を学習し、コンテキスト内でエンティティを概念化するかどうかを調査する3つのタスクを設計する。
タスクのために、393のコンセプトをカバーする24kのデータインスタンスを収集、注釈付けします。
論文 参考訳（メタデータ） (2022-11-08T08:18:06Z) - Dual Embodied-Symbolic Concept Representations for Deep Learning [0.8722210937404288]
概念表現における二重レベルモデルの使用を提唱する。
具現化レベルは概念指向の特徴表現から成り、記号レベルは概念グラフから成り立っている。
本稿では, 数発のクラスインクリメンタルラーニングのためのエンボディド・シンボリック・ナレッジ・蒸留法と, 画像テキストマッチングのためのエンボディド・シンボリック・フューズド表現の2つの重要なユースケースについて論じる。
論文 参考訳（メタデータ） (2022-03-01T16:40:12Z) - Graph-based Exercise- and Knowledge-Aware Learning Network for Student
Performance Prediction [8.21303828329009]
学生のスコアを正確に予測するためのグラフベースのエクササイズ・アンド・ナレッジ・アウェアラーニングネットワークを提案する。
我々は,エクササイズとナレッジ概念の熟達度を学習し,エクササイズとナレッジ概念の2倍の効果をモデル化する。
論文 参考訳（メタデータ） (2021-06-01T06:53:17Z) - HALMA: Humanlike Abstraction Learning Meets Affordance in Rapid Problem
Solving [104.79156980475686]
人間は自然主義的タスクの構造に応じて構成的および因果的抽象化、つまり知識を学ぶ。
エージェントがその知識をどのように表現するかには、知覚、概念、アルゴリズムの3段階の一般化がある、と我々は主張する。
このベンチマークは、ビジュアルコンセプト開発と迅速な問題解決のための新しいタスクドメイン、HALMAを中心にしています。
論文 参考訳（メタデータ） (2021-02-22T20:37:01Z) - A Competence-aware Curriculum for Visual Concepts Learning via Question
Answering [95.35905804211698]
本稿では,視覚概念学習のための質問応答型カリキュラムを提案する。
視覚概念を学習するためのニューラルシンボリックな概念学習者と学習プロセスを導くための多次元項目応答理論(mIRT)モデルを設計する。
CLEVRの実験結果から,コンピテンスを意識したカリキュラムにより,提案手法は最先端のパフォーマンスを実現することが示された。
論文 参考訳（メタデータ） (2020-07-03T05:08:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。