来源：期刊VIP网 时间：
作者：伍文燕;胡钦太;李春林;郑晓娜;
单位：广东工业大学计算机学院;
摘要：随着教育数字化与智能化的持续推进,如何借助人工智能技术实现对学生认知状态的精准评估与动态监测,已成为智能教育研究的重要议题。传统认知诊断模型在处理多知识点交叉、题目差异性与学习路径非线性等方面仍存在一定局限。为此,该文结合教育认知理论与学习科学原理,提出一种融合注意力机制与知识感知结构的认知诊断模型——ACDKAN模型,通过引入知识点相关性注意力机制与题目区分度加权机制,结合KAN(Knowledge-Adaptive Network)结构的非线性拟合能力,实现对学生知识掌握状态的细粒度建模。实验基于主流数据集(ASSIST)以及自建数据集(AIFC)进行充分验证,结果表明ACDKAN模型在学生认知状态识别及薄弱知识点定位方面均显著优于传统认知诊断模型。该研究为智能评估与数据驱动教学提供了可解释性强、实用性高的技术路径。
关键词：认知诊断;;注意力机制;;KAN网络;;学生认知画像
基金资助：国家自然科学基金重点项目“课堂流媒体跨模态知识元协同解析与评估方法”(项目批准号:62237001)研究成果
