Resumen: El seguimiento del conocimiento (KT) sirve como un componente fundamental de los sistemas de tutoría inteligente (ITS), lo que permite a estos sistemas monitorear y comprender el progreso de los alumnos modelando su estado de conocimiento. Sin embargo, muchos modelos KT existentes se centran principalmente en ajustar las secuencias de las interacciones de los alumnos, y a menudo pasan por alto el estado de conocimiento en sí. Esta limitación conduce a una reducción de la interpretabilidad y un soporte instructivo insuficiente de la ITS. Para abordar este desafío, proponemos Alignkt, que emplea una arquitectura de frontend-backend para modelar explícitamente un estado de conocimiento estable. En este enfoque, el estado de conocimiento preliminar está alineado con un criterio adicional. Específicamente, definimos un estado de conocimiento ideal basado en las teorías pedagógicas como el criterio de alineación, proporcionando una base para la interpretabilidad. Utilizamos cinco codificadores para implementar esta configuración e incorporamos un módulo de aprendizaje contrastante para mejorar la robustez del proceso de alineación. A través de extensos experimentos, Alignkt demuestra un rendimiento superior, superando a siete líneas de base KT en tres conjuntos de datos del mundo real. Logra resultados de última generación en dos de estos conjuntos de datos y exhibe un rendimiento competitivo en el tercero. El código de este trabajo está disponible en esta URL HTTPS.
Publicado Originalme en export.arxiv.org El 15 de septiembre de 2025.
Ver Fuente Original
