跳到正文
热点事件持续更新

研究者提交基于嵌入的教育分类体系论文

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Kia Karbasi、Kaveh Karbasi 和 Gregory Pottie 向 arXiv 提交了《Embedding-Based Educational Taxonomies》论文，提出通过数学题目的语义文本嵌入构建教育分类体系。研究者在两套 ASSISTments 数据集中，将这一体系与基于 Common Core State Standards（CCSS）的知识组件分类体系进行比较，发现两者存在显著但不完全的对应关系。 研究还显示，采用该嵌入式分类体系后，Deep Knowledge Tracing 的预测表现提升约 3–5 个 AUC 百分点。这表明语义嵌入生成的题目分类与现有标准分类并不完全相同，但在该研究的测试数据中能够改善知识追踪模型的预测表现。

AI 根据报道生成 · 3 小时前更新

最新进展10月28日 12:00
基于嵌入的教育分类体系

报道时间线

沿着报道，了解事件的不同侧面。

10月28日
  1. arXiv · Machine Learning
    基于嵌入的教育分类体系

    研究者聚类数学题目的语义文本嵌入，构建基于嵌入的教育分类体系，并在两套 ASSISTments 数据集中与基于 Common Core State Standards（CCSS）的知识组件分类体系比较。该体系与现有分类体系存在显著但不完全的对应关系，并使 Deep Knowledge Tracing 的预测表现提升约 3–5 个 AUC 百分点。

本事件热度走势

可比范围当前
7
可比范围峰值
810月28日 21:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。