近日，以计算机科学与技术学院张春云副教授为第一作者、崔超然教授为通讯作者的论文“CoSKT: A Collaborative Self-supervised Learning Method for Knowledge Tracing”发表在教育数据挖掘领域权威期刊IEEE Transaction on Learning Technologies上，该期刊是教育学类SSCI一区期刊，为我校A1类期刊。

知识追踪这一任务是根据学生过去的答题情况对学生的知识掌握情况进行建模，从而能追踪学生对于知识点的掌握程度。知识追踪被广泛应用于学生学习状况监测、个性化试题推荐、个性化教学等多个领域，有较高的现实意义和实用价值。

在现实场景中，教师评估一个学生是否能答对某一题目，不仅会参考学生的历史学习状况，同时会综合考虑与该生学习水平相当的学生的答题情况。从这一点出发，论文研究如何获取并高效利用相似学生的协同信息来辅助建模目标学生的知识状态的问题，提出了一种基于自监督学习的协同知识追踪方法。该方法设计了一种基于相似学生答题重合率的方法检索相似学生，并采用注意力机制获得相似学生的共性知识状态，通过将目标学生和相似学生的共性知识状态进行融合，得到最终的知识状态表示并进行预测。此外，为了保证共性知识状态和目标学生知识状态的一致性，论文引入自监督学习，将二者视为一对正例，从而获得更好的知识状态表示。在三个常用的知识追踪数据集上的评估结果显示，该方法达到目前最好的性能。

撰稿：李珊珊 审核：杨春丽