BriefGPT - AI 论文速递 · 2024-01-30T00:00:00Z 合成学生数据上的知识追踪分析 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 该论文提出了一个新的核心框架来解决知识追踪中的答案偏差问题，并通过实验证明其有效性。 🎯 关键要点 知识追踪旨在监控学生的知识状态并预测未来表现。 存在普遍的答案偏差现象，导致正确和错误答案分布不平衡。 作者从因果关系角度提出了CORE框架来减轻答案偏差。 CORE框架通过减去直接因果效应进行debias推理。 该框架适用于多种现有KT模型，并在多个数据集上验证了有效性。 🏷️ 标签 实验证明 核心框架 知识追踪 答案偏差问题 阅读原文 生成长图 分享链接 已复制链接
