使用聚類演算法構建學習模型

作者：邵雋

**：《電腦知識與技術》2023年第36期

摘要：影響智慧型教學系統中教學決策的乙個核心因素是系統中學習模型的質量。學習模型是一種以人類學生解決問題的各種方法為基礎的模型。

乙個好的學習模型能夠匹配學生行為模式，為學習任務難度和相關問題之間的學習轉化提供有效資訊。然而，傳統構建模型的方式一方面非常耗時，而且還容易丟失具有重要教育意義的內容和學習方式。自動化方式可以構建更好的學習模型，但需要一些工程知識，同時其模型難以解釋。

該文討論了一種基於內容特徵使用聚類演算法來構建學習模型的方法。

關鍵詞：聚類；學習模型；k-mean演算法

中圖分類號：tp391 文獻標識碼：a 文章編號：1009-3044（2014）36-8599-02

1 簡介

學習模型是智慧型教育系統的核心組成部分，它表達了學生處理問題的不同方法。一種常用的表達學習模型的方法是在智慧型教育系統中使用一組知識成分對學生處理的問題進行建模。所謂知識成分是指由一組相關任務的表現推斷而得的一組認知功能或結構單元。

一組知識成分是乙個學生通過成功完成目標任務獲得的。例如：在代數中知識成分是指如何求解kw=k這種形式的問題。

乙個學習模型為智慧型教育系統提供了如何做出教育決策的重要資訊。乙個較好的學習模型有能力**任務難度及相關問題之間的學習轉化。因此，具備良好學習模型的智慧型教育系統通常提供了更有效的學習體驗。

知識的獲取。而採用機器學習技術來產生學習模型的方法通常能夠找到更好的模型，但卻很難去解釋其結果。例如：

採用主成分分析自動構建學習模型，它的乙個限制是僅僅在人工提供的成分中分析，如果某個因素或成分是未知的，演算法很難找到更好的模型。