合肥工业大学计算机与信息学院创新实践第37题：认知跟踪BKT/DKT源码分析

简介：
本项目聚焦于教育数据挖掘中的经典模型——认知诊断模型（如BKT和DKT）的源码解析，深入探究其在学习过程中的应用，助力于个性化教学策略的研究与实施。该项目由合肥工业大学计算机与信息学院发起，旨在推动智能教育技术的发展。 题目要求是找到一篇具有代表性的认知跟踪文献，并复现其源代码，然后与原论文的实验结果进行比较。认知跟踪模型旨在对动态教育数据建模，通过学生在学习过程中解答习题的数据来追踪他们掌握知识点随时间的变化情况。 从方法上来看，可以将这些模型分为基于贝叶斯方法的认知跟踪模型和基于深度学习的认知跟踪模型两大类。前者最早可追溯到1994年Corbett和Anderson提出的BKT（Bayesian Knowledge Tracing）模型；后者则以2015年由Piech等人发表的DKT (Deep Knowledge Tracing) 模型为代表。 自BKT与DKT模型提出以来，学者们又相继开发了这两种模型的扩展版本以及其他不同类型的认知跟踪模型。