Resumen: El seguimiento del conocimiento (KT) tiene como objetivo predecir el desempeño futuro de los alumnos basado en las interacciones de aprendizaje histórico. Sin embargo, los modelos KT existentes se centran predominantemente en los datos de un solo curso, lo que limita su capacidad para capturar una comprensión integral de los estados de conocimiento de los alumnos. En este documento, proponemos Transkt, un método contrastante de rastreo de conocimiento de curso cruzado que aprovecha la transferencia de conocimiento guiado por el gráfico conceptual para modelar las relaciones entre los comportamientos de aprendizaje en diferentes cursos, mejorando así la estimación del estado de conocimiento. Específicamente, Transkt construye un gráfico de concepto de curso cruzado al aprovechar las indicaciones del modelo de lenguaje grande (LLM) para establecer vínculos implícitos entre conceptos relacionados en diferentes cursos. Este gráfico sirve como base para la transferencia de conocimiento, lo que permite que el modelo integre y mejore las características semánticas de las interacciones de los alumnos en los cursos. Además, Transkt incluye una tubería LLM-a LM para incorporar características semánticas resumidas, lo que mejora significativamente el rendimiento de las redes convolucionales gráficas (GCN) utilizadas para la transferencia de conocimiento. Además, TransKT emplea un objetivo contrastante que alinee los estados de conocimiento de un solo curso y de curso cruzado, refinando así la capacidad del modelo para proporcionar una representación más robusta y precisa de los estados de conocimiento generales de los alumnos.
Publicado Originalme en rss.arxiv.org El 20 de mayo de 2025.
Ver Fuente Original
