Enhancing Cognitive Diagnosis by Modeling Learner Cognitive Structure State

要約

認知診断は、個人の認知状態を測定することを目的とした、知的教育における基礎的な研究分野です。
理論的には、個人の認知状態は、その認知構造の状態と本質的に同等です。
認知構造状態は、知識状態 (KS) と知識構造状態 (KUS) という 2 つの主要なコンポーネントで構成されます。
知識状態は、認知診断の中で広く研究されている焦点である個々の概念に対する学習者の習熟度を反映します。
対照的に、概念間の関係についての学習者の理解を表す知識構造の状態は、依然として不十分にモデル化されています。
学習者の認知構造は、有意義な学習を促進し、学力を形成するために不可欠です。
さまざまな方法が提案されていますが、ほとんどは KS の評価に焦点を当てており、KUS の評価には失敗しています。
このギャップを埋めるために、我々は革新的で効果的なフレームワークであるCSCD（認知構造状態ベース認知診断）を提案します。これは、診断評価において学習者の認知構造をモデリングするための新しいフレームワークを導入し、それによって認知構造モデリングへの新たな洞察を提供します。
具体的には、エッジ特徴ベースのグラフ アテンション ネットワークを採用して学習者の認知構造状態を表現し、KS と KUS を効果的に統合します。
実際のデータセットに対して行われた広範な実験により、診断の精度と解釈可能性の点でこのフレームワークの優れたパフォーマンスが実証されました。

要約(オリジナル)

Cognitive diagnosis represents a fundamental research area within intelligent education, with the objective of measuring the cognitive status of individuals. Theoretically, an individual’s cognitive state is essentially equivalent to their cognitive structure state. Cognitive structure state comprises two key components: knowledge state (KS) and knowledge structure state (KUS). The knowledge state reflects the learner’s mastery of individual concepts, a widely studied focus within cognitive diagnosis. In contrast, the knowledge structure state-representing the learner’s understanding of the relationships between concepts-remains inadequately modeled. A learner’s cognitive structure is essential for promoting meaningful learning and shaping academic performance. Although various methods have been proposed, most focus on assessing KS and fail to assess KUS. To bridge this gap, we propose an innovative and effective framework-CSCD (Cognitive Structure State-based Cognitive Diagnosis)-which introduces a novel framework to modeling learners’ cognitive structures in diagnostic assessments, thereby offering new insights into cognitive structure modeling. Specifically, we employ an edge-feature-based graph attention network to represent the learner’s cognitive structure state, effectively integrating KS and KUS. Extensive experiments conducted on real datasets demonstrate the superior performance of this framework in terms of diagnostic accuracy and interpretability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google