本发明属于个性化学习技术领域,公开了一种基于多任务框架的智能学习状态追踪方法、系统及应用,采集学习者的外在学习行为特征、学习资源特征以及潜在能力特征,并进行预处理操作,获得包含先验信息的学习特征;然后构建多个堆叠的卷积神经网络对学习特征进行深度表示学习,控制学习者的遗忘情况,构建深层学习特征;再进行深浅特征融合,引入双向循环神经网络,构建基于长时序依赖的智能学习状态追踪模型;最后对学习者的学习状态进行量化及预测,并构造损失函数进行多任务训练。本发明有利于提高知识追踪模型在预测学习者学习状态方面的预测性能,而且拓展了知识追踪模型的预测领域和教育应用领域,推动了个性化教育、智慧教育的发展。
声明:
“基于多任务框架的智能学习状态追踪方法、系统及应用” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)