知識追蹤基礎理論、優(yōu)化方法及應用領域的系統(tǒng)性研究具有很強的時代應用性和需求迫切性，對智能教學時代教學評價手段完善和個性化學習研究工作推進意義重大。本書堅持以學習者為中心教學服務理念、以智能教育服務個性化、精準化、有效化需求為目標、以深度學習技術與知識追蹤服務融合研究為指導，探索知識追蹤模型的優(yōu)化方法以及基于知識追蹤的應用服務場景。本書從知識追蹤基礎理論研究入手，聚焦知識追蹤關鍵技術，剖析知識追蹤服務的框架體系；分析知識追蹤模型存在的問題和局限性，針對模型長依賴關系弱、缺少學習特征以及可解釋性差等問題開展知識追蹤模型優(yōu)化實證研究；探索基于知識追蹤應用服務的新場景。
李浩君，漢族，教授、博士，美國北卡羅納大學教堂山分校訪問學者，入選浙江工業(yè)大學青年英才支持計劃（優(yōu)青）以及浙江省高等學校中青年學科帶頭人培養(yǎng)對象,主要從事移動學習、智能計算與個性化學習、量化實證研究等方面研究工作。2003-至今在浙江工業(yè)大學教育科學與技術學院工作，曾獲國家級教學成果二等獎、浙江省教學成果一等獎、浙江省科學技術二等獎 、浙江省高�？蒲谐晒泉勔约罢憬「咝＝處熃虒W技能比賽優(yōu)秀獎等；獲評浙江工業(yè)大學研究?我??中的好導師。
第1章 緒論
1.1 研究背景
1.2 研究內容
1.3 研究現(xiàn)狀
1.4 研究價值
1.5 本章小結
第2章 知識追蹤研究基礎
2.1 .知識追蹤理論基礎
2.2 知識追蹤模型基礎
2.3 知識追蹤實驗基礎
2.4 本章小結
第3章 深度知識追蹤模型優(yōu)化研究
3.1 深度知識追蹤模型優(yōu)化問題
3.2 融入梯度提升回歸樹的深度知識追蹤模型優(yōu)化方法
3.3 自注意力機制與雙向GRU協(xié)同的深度知識追蹤模型優(yōu)化方法
3.4 基于產(chǎn)生式遷移的深度知識追蹤模型優(yōu)化方法
3.5 本章小結
第4章 知識追蹤視域下學習者知識掌握狀態(tài)可視化研究
4.1 學習者知識掌握狀態(tài)可視化概述
4.2 知識追蹤視域下學習者知識掌握狀態(tài)可視化策略設計
4.3 知識追蹤視域下學習者知識掌握狀態(tài)可視化應用實踐
4.4 本章小結
第5章 基于知識追蹤的學習者薄弱知識點挖掘研究
5.1 學習者薄弱知識點挖掘概述
5.2 基于知識追蹤的薄弱知識點挖掘策略設計
5.3 融入多維問題難度的自適應知識追蹤模型
5.4 基于知識追蹤的薄弱知識點挖掘應用實踐
5.5 本章小結
第6章 融入深度知識追蹤模型的協(xié)作學習分組
6.1 協(xié)作學習分組概述
6.2 面向協(xié)作學習分組的深度知識追蹤優(yōu)化模型
6.3 融入深度知識追蹤模型的協(xié)作學習分組方法
6.4 分組方法應用效果研究
6.5 本章小結
參考文獻
書單推薦
