基于迁移学习与Q矩阵约束的神经网络认知诊断方法
Cognitive Diagnosis Method via Neural Networks with Transfer Learning and Q-Matrix Constraints
-
作者：
陶金洪
1
赵蔚
1
程诺
1
乔丽方
2
姜强
1
-
作者单位：
- 通讯作者：
赵蔚
Email:zhaow577@nenu.edu.cn
-
提交时间：2025-11-03 16:30:19
摘要: 神经网络作为最重要的机器学习方法已被广泛地用于认知诊断，但目前仍没有一种简单通用的神经网络认知诊断方法。因此，提出一种Q矩阵约束的神经网络认知诊断方法（Bi-QNN），并基于迁移学习进行训练。新模型的优势在于：（1）使用人员无需专门设计网络结构，新模型可以根据Q矩阵与交互式Q矩阵自适应任意数据集；（2）网络结构的设计原理源于GDINA模型，使其能够较好地表达属性的主效应与交互效应；（3）基于迁移学习的模型训练方案能有效地解决标记数据稀缺问题，提高模型的易用性与适用范围。实验结果表明：Bi-QNN在模拟数据集上的预测误差整体上比参数化方法GDINA与DINA的表现更好；在一定的范围内，模型对属性数量敏感性相对较低，当属性数量增加时在一定程度上仍能保持较好的分类准确率；基于迁移学习训练的Bi-QNN方法能更好地适应不同样本量的数据集，在模拟数据与实证数据的多种条件下保持对其它模型的领先；模型性能的进一步提升受到基于参数模型的模拟数据的限制，对试题质量仍有一定的敏感性。
版本历史
| [V1] |
2025-11-03 16:30:19 |
ChinaXiv:202511.00052V1
|
下载全文 |
相关信息
待评议
点击量
下载量
