廣東智慧教育研究院師生論文被中科院一區(qū)TOP期刊Information Fusion錄用
暨南大學(xué)融媒體中心訊 近日，暨南大學(xué)廣東智慧教育研究院師生投稿的論文：《Dual-attentional time-aware fusion networks for knowledge tracing》被人工智能領(lǐng)域期刊Information Fusion錄用。
Information Fusion創(chuàng)刊于2000年。聚焦多傳感器、多源、多過(guò)程信息融合的跨學(xué)科研究，涵蓋算法、架構(gòu)與應(yīng)用三大方向，旨在促進(jìn)人工智能、數(shù)據(jù)科學(xué)、工程技術(shù)的協(xié)同創(chuàng)新等。Information Fusion現(xiàn)在位于中科院一區(qū)，計(jì)算機(jī)科學(xué)大類(lèi)。小類(lèi)的人工智能和理論方法同屬中科院一區(qū)，學(xué)術(shù)影響力強(qiáng)。其2024-2025年影響因子為15.5，目前最新影響因子為15.654。
入選論文介紹
論文題目：Dual-attentional time-aware fusion networks for knowledge tracing
作者：黃淑妍（好未來(lái)）、劉子韜（暨南大學(xué)）、劉瓊瓊（好未來(lái)）、陳佳豪（好未來(lái)）、黃雅瑩（暨南大學(xué)）
通訊作者：劉子韜
摘要：知識(shí)追蹤（Knowledge Tracing, KT）是一種通過(guò)觀(guān)察學(xué)生的歷史學(xué)習(xí)過(guò)程來(lái)預(yù)測(cè)其未來(lái)表現(xiàn)的重要技術(shù)。這一過(guò)程的一個(gè)關(guān)鍵挑戰(zhàn)在于KT模型需要具備靈活性和適應(yīng)性，以反映學(xué)生特定的時(shí)間行為，尤其是在學(xué)生特定的數(shù)據(jù)高度稀疏且非均勻采樣的情況下。為了解決這一問(wèn)題，我們提出了一種雙注意力時(shí)間感知知識(shí)追蹤模型（Dual-Attentional Time-Aware Knowledge Tracing, DaTaKT），通過(guò)捕捉時(shí)間感知模式來(lái)提升原始自注意力知識(shí)追蹤模型的預(yù)測(cè)性能。具體來(lái)說(shuō)，我們的DaTaKT模型利用雙注意力機(jī)制，從時(shí)間和問(wèn)題兩個(gè)角度捕捉練習(xí)與學(xué)生反應(yīng)之間的關(guān)系。此外，我們?cè)O(shè)計(jì)了一個(gè)區(qū)分因子，能夠同時(shí)表示以問(wèn)題為中心的信息并避免數(shù)據(jù)稀疏問(wèn)題。我們?cè)谌齻€(gè)真實(shí)的教育知識(shí)追蹤數(shù)據(jù)集上評(píng)估了這一時(shí)間感知KT模型，并與多種基于深度學(xué)習(xí)的KT基線(xiàn)模型進(jìn)行了對(duì)比。結(jié)果表明，我們的方法在非均勻交互序列的預(yù)測(cè)任務(wù)中具有顯著的優(yōu)勢(shì)和優(yōu)越性能。此外，我們還進(jìn)行了消融研究和定量分析，進(jìn)一步展示了時(shí)間相關(guān)因子的有效性以及DaTaKT卓越的預(yù)測(cè)效果。
責(zé)編：陳國(guó)瓊