知識追蹤基礎(chǔ)理論、優(yōu)化方法及應(yīng)用領(lǐng)域的系統(tǒng)性研究具有很強的時代應(yīng)用性和需求迫切性，對智能教學(xué)時代教學(xué)評價手段完善和個性化學(xué)習(xí)研究工作推進意義重大。本書堅持以學(xué)習(xí)者為中心教學(xué)服務(wù)理念、以智能教育服務(wù)個性化、精準(zhǔn)化、有效化需求為目標(biāo)、以深度學(xué)習(xí)技術(shù)與知識追蹤服務(wù)融合研究為指導(dǎo)，探索知識追蹤模型的優(yōu)化方法以及基于知識追蹤的應(yīng)用服務(wù)場景。本書從知識追蹤基礎(chǔ)理論研究入手，聚焦知識追蹤關(guān)鍵技術(shù)，剖析知識追蹤服務(wù)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(guān)系弱、缺少學(xué)習(xí)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(yīng)用服務(wù)的新場景。
李浩君，漢族，教授、博士，美國北卡羅納大學(xué)教堂山分校訪問學(xué)者，入選浙江工業(yè)大學(xué)青年英才支持計劃（優(yōu)青）以及浙江省高等學(xué)校中青年學(xué)科帶頭人培養(yǎng)對象,主要從事移動學(xué)習(xí)、智能計算與個性化學(xué)習(xí)、量化實證研究等方面研究工作。2003-至今在浙江工業(yè)大學(xué)教育科學(xué)與技術(shù)學(xué)院工作，曾獲國家級教學(xué)成果二等獎、浙江省教學(xué)成果一等獎、浙江省科學(xué)技術(shù)二等獎 、浙江省高�？蒲谐晒泉勔约罢憬「咝＝處熃虒W(xué)技能比賽優(yōu)秀獎等；獲評浙江工業(yè)大學(xué)研究?我??中的好導(dǎo)師。
第1章 緒論
1.1 研究背景
1.2 研究內(nèi)容
1.3 研究現(xiàn)狀
1.4 研究價值
1.5 本章小結(jié)
第2章 知識追蹤研究基礎(chǔ)
2.1 .知識追蹤理論基礎(chǔ)
2.2 知識追蹤模型基礎(chǔ)
2.3 知識追蹤實驗基礎(chǔ)
2.4 本章小結(jié)
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(jié)
第4章 知識追蹤視域下學(xué)習(xí)者知識掌握狀態(tài)可視化研究
4.1 學(xué)習(xí)者知識掌握狀態(tài)可視化概述
4.2 知識追蹤視域下學(xué)習(xí)者知識掌握狀態(tài)可視化策略設(shè)計
4.3 知識追蹤視域下學(xué)習(xí)者知識掌握狀態(tài)可視化應(yīng)用實踐
4.4 本章小結(jié)
第5章 基于知識追蹤的學(xué)習(xí)者薄弱知識點挖掘研究
5.1 學(xué)習(xí)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(shè)計
5.3 融入多維問題難度的自適應(yīng)知識追蹤模型
5.4 基于知識追蹤的薄弱知識點挖掘應(yīng)用實踐
5.5 本章小結(jié)
第6章 融入深度知識追蹤模型的協(xié)作學(xué)習(xí)分組
6.1 協(xié)作學(xué)習(xí)分組概述
6.2 面向協(xié)作學(xué)習(xí)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(xué)習(xí)分組方法
6.4 分組方法應(yīng)用效果研究
6.5 本章小結(jié)
參考文獻
書單推薦
