新的UNVaMP架构通过神经追踪来模拟学生知识

研究人员推出了一种新颖的神经知识追踪架构UNVaMP，旨在模拟学生学习轨迹。该方法整合了学生-项目交互与内部记忆，以创建不断演变的潜在知识表示，从而能够准确预测未来响应并控制学习估计的平滑度。UNVaMP可以配置为纯神经模型（UNVaMP-MLP），该模型在多个数据集上展示了卓越的预测性能；也可以配置为混合模型（UNVaMP-MIRT），该模型在预测准确性略有下降的情况下提供了可解释性。 AI

影响 这种新架构提供了改进的学生学习追踪和知识动态理解方法。

排序理由 该集群包含一篇详细介绍知识追踪新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• 1PL MIRT
• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• ScienceCast
• UNVaMP
• UNVaMP-MIRT
• UNVaMP-MLP

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →