代表成果 | Introducing Response Time into Guessing and Slipping for Cognitive Diagnosis 一种引入作答时长的认知诊断模型

浏览次数：           文章来源：人工智能实验室           发布时间：2022-06-06

---

　　2022年4月，北京师范大学未来教育高精尖创新中心人工智能实验室研究成果Introducing Response Time into Guessing and Slipping for Cognitive Diagnosis一文被第23届国际教育人工智能会议（23rd International Conference on Artificial Intelligence in Education, AIED 2022）Research Track接收。该论文将学习者作答时长作为猜测、手滑概率的参数，引入认知诊断模型DINA中，拓展了模型对认知状态的动态表征，能够更精准地捕捉和区分外在作答结果相同的学习者背后所隐含的个性化认知水平，从而促进认知诊断在教育教学实践中的有效应用。

 

　　

　　图 文章部分内容截图

 

　　认知诊断模型（Cognitive diagnostic model, CDM）是教育学、信息科学、心理学等领域共同关注的研究热点主题，旨在利用各类技术算法来建模和估计学习者的认知状态，进而发现其学习障碍。当前，大多数CDM主要依赖学习者的作答结果来判定其认知状态，忽视了作答反应时长维度的信息；而相关研究指出，学习者的作答时长是反映其问题解决过程的重要依据。例如，两名学习者在测验中对同一道题做出了相同的作答，但所花费的时间不一致，此时，作答时长能够从一定程度上区分二人的认知状态水平。基于这一出发点，人工智能实验室以作答时长作为变量构建函数，嵌入DINA模型的猜测和手滑概率中，从而更细致地表征学习者认知状态与作答结果、作答时长的关系，以期提升认知状态估计结果的准确性，同时增强其教育含义。后续研究将讲设计系统的实验方法来验证模型表现，以促进其在教育教学中的应用。