論文の概要: Dynamic Programming Techniques for Enhancing Cognitive Representation in Knowledge Tracing

• arxiv url: http://arxiv.org/abs/2506.02949v1
• Date: Tue, 03 Jun 2025 14:44:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.79967
• Title: Dynamic Programming Techniques for Enhancing Cognitive Representation in Knowledge Tracing
• Title（参考訳）: 知識追跡における認知表現の強化のための動的プログラミング手法
• Authors: Lixiang Xu, Xianwei Ding, Xin Yuan, Richang Hong, Feiping Nie, Enhong Chen, Philip S. Yu,
• Abstract要約: 認知表現動的プログラミングに基づく知識追跡(CRDP-KT)モデルを提案する。 質問の難易度とそれらの間の性能間隔に基づいて認知表現を最適化する動的プログラミングアルゴリズムである。 これは、その後のモデルトレーニングのためにより正確で体系的な入力機能を提供し、それによって認知状態のシミュレーションにおける歪みを最小限にする。
• 参考スコア（独自算出の注目度）: 125.75923987618977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge Tracing (KT) involves monitoring the changes in a student's knowledge over time by analyzing their past responses, with the goal of predicting future performance. However, most existing methods primarily focus on feature enhancement, while overlooking the deficiencies in cognitive representation and the ability to express cognition-issues often caused by interference from non-cognitive factors such as slipping and guessing. This limitation hampers the ability to capture the continuity and coherence of the student's cognitive process. As a result, many methods may introduce more prediction bias and modeling costs due to their inability to maintain cognitive continuity and coherence. Based on the above discussion, we propose the Cognitive Representation Dynamic Programming based Knowledge Tracing (CRDP-KT) model. This model em ploys a dynamic programming algorithm to optimize cognitive representations based on the difficulty of the questions and the performance intervals between them. This approach ensures that the cognitive representation aligns with the student's cognitive patterns, maintaining overall continuity and coherence. As a result, it provides more accurate and systematic input features for subsequent model training, thereby minimizing distortion in the simulation of cognitive states. Additionally, the CRDP-KT model performs partitioned optimization of cognitive representations to enhance the reliability of the optimization process. Furthermore, it improves its ability to express the student's cognition through a weighted fusion of optimized record representations and re lationships learned from a bipartite graph. Finally, experiments conducted on three public datasets validate the effectiveness of the proposed CRDP-KT model.
• Abstract（参考訳）: 知識追跡(KT)は、過去の反応を分析し、将来のパフォーマンスを予測することを目的として、学生の知識の変化を時間の経過とともに監視する。 しかし、既存のほとんどの手法は機能強化に重点を置いているが、認知表現の欠陥や、スリップや推測などの非認知的要因からの干渉によって生じる認知的問題を表現する能力を見落としている。 この制限は、生徒の認知過程の連続性と一貫性を捉える能力を損なう。 その結果、認知的連続性とコヒーレンスを維持することができないため、予測バイアスやモデリングコストが増大する可能性がある。 上記の議論に基づいて,認知表現動的プログラミングに基づく知識追跡(CRDP-KT)モデルを提案する。 このモデルは,質問の難易度とそれらの間の性能間隔に基づいて,認識表現を最適化する動的プログラミングアルゴリズムをエミュレートする。 このアプローチは、認知表現が生徒の認知パターンと一致し、全体的な連続性と一貫性を維持することを保証する。 その結果、その後のモデルトレーニングにおいてより正確で体系的な入力機能を提供し、認知状態のシミュレーションにおける歪みを最小限に抑えることができる。 さらに、CRDP-KTモデルは、最適化プロセスの信頼性を高めるために、認知表現の分割最適化を行う。 さらに、二部グラフから学習した、最適化されたレコード表現と再関係の重み付けによる生徒の認知を表現する能力を向上させる。 最後に、3つの公開データセットを用いて実験を行い、提案したCRDP-KTモデルの有効性を検証した。

関連論文リスト

• Improving Question Embeddings with Cognitiv Representation Optimization for Knowledge Tracing [77.14348157016518]
  知識追跡(KT)は,学生の知識状況の変化を追跡し,過去の回答記録に基づいて将来の回答を予測することを目的としている。 KTモデリングに関する最近の研究は、既存の未更新の学習相互作用の記録に基づいて、学生の将来のパフォーマンスを予測することに焦点を当てている。 本稿では、動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡モデルのための認知表現最適化を提案する。
  論文  参考訳（メタデータ） (2025-04-05T09:32:03Z)
• DASKT: A Dynamic Affect Simulation Method for Knowledge Tracing [51.665582274736785]
  KT(Knowledge Tracing)は,学生の履歴計算によって将来のパフォーマンスを予測し,学生の感情状態を理解することで,KTの有効性を高めることができる。 本研究では,学生の感情状態が知識状態に与える影響を調べるために,DASKT(Affect Dynamic Knowledge Tracing)を提案する。 我々の研究は、高い解釈可能性と精度の実現に焦点をあてて、今後の研究への有望な道のりを強調している。
  論文  参考訳（メタデータ） (2025-01-18T10:02:10Z)
• Unlocking Structured Thinking in Language Models with Cognitive Prompting [0.0]
  大規模言語モデル(LLM)における問題解決を導く新しいアプローチとして認知的プロンプトを提案する。 本稿では,認知操作の決定論的シーケンス,自己適応型,ハイブリッド型という3つの変種を紹介する。 LLaMA, Gemma2, Qwenの各モデルの算術的推論ベンチマークGSM8Kにおける実験により、認知的プロンプトは標準的な質問応答に比べて性能が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2024-10-03T19:53:47Z)
• Mimicking Human Intuition: Cognitive Belief-Driven Q-Learning [5.960184723807347]
  本稿では,主観的信念モデリングをQラーニングフレームワークに統合した認知的信念駆動型Qラーニング(CBDQ)を提案する。 CBDQは、人間のような学習能力と推論能力を持つエージェントを提供することで、意思決定の精度を高める。 各種複雑環境における離散制御ベンチマークタスクについて,提案手法の評価を行った。
  論文  参考訳（メタデータ） (2024-10-02T16:50:29Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• A Novel Neural-symbolic System under Statistical Relational Learning [47.30190559449236]
  NSF-SRLと呼ばれる統計的関係学習に基づくニューラルシンボリック・フレームワークを提案する。 シンボリック推論の結果は、深層学習モデルによる予測の洗練と修正に利用され、深層学習モデルはシンボリック推論プロセスの効率を高める。 我々は、このアプローチがニューラルシンボリックシステムの新しい標準となり、汎用人工知能の分野における将来の研究を促進すると信じている。
  論文  参考訳（メタデータ） (2023-09-16T09:15:37Z)
• Latent Variable Representation for Reinforcement Learning [131.03944557979725]
  モデルに基づく強化学習のサンプル効率を改善するために、潜在変数モデルが学習、計画、探索をいかに促進するかは理論上、実証上、不明である。 状態-作用値関数に対する潜在変数モデルの表現ビューを提供する。これは、抽出可能な変分学習アルゴリズムと楽観主義/悲観主義の原理の効果的な実装の両方を可能にする。 特に,潜伏変数モデルのカーネル埋め込みを組み込んだUPB探索を用いた計算効率の良い計画アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-17T00:26:31Z)

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。