诊断|中科大神经网络和端到端训练框架，探究教育情境对学生能力的影响( 三 )
文章图片
图表 3：ECD 模型框架
3、情境信息建模
教育情境信息主要包括以下特点：内容复杂性 ， 个体差异性 ， 内在相关性 。 其中内容复杂性指教育情境信息输入包含丰富来源的内容 。 个体差异性则是指同一情境信息对学生的影响也会因人而异 。 例如情境信息「接受辅导」对于学生的影响虽然总体上是积极的 ， 但是对于勤奋的学生的影响往往要比贪玩的学生更明显（因为贪玩的学生很可能不会认真学习 ， 从而无法充分利用这一积极条件） 。 内在相关性则是指不同情境信息之间也可能存在相互影响 。 比如「家庭条件」也可能影响「接受辅导」的效果 。
针对上述特性 ， 该研究首先根据内容将情境信息输入分成不同的分组 ， 分别建模其影响 。 其次 ， 该研究使用注意力机制计算学生特性与情境信息之间的相性 ， 从而自适应学习不同情境信息对学生的影响权重 。 接着 ， 该研究使用自注意力机制模块来模拟不同输入之间的相互影响情况 。
文章图片
图表 4：Embedding 层与 Context filtering 层
具体来说 ， 情境建模网络包含四层网络结构：嵌入（embedding）层、过滤（context filtering）层、交互（context interaction）层、聚合（context aggregation）层 。 该研究在嵌入层将每个情境信息输入r_q映射为情境影响向量c^v与情境特性向量c^k ， 将学生 id 输入t映射为个性向量x_t 。 在过滤层中 ， 对于某一组情境信息的不同输入 ， 该研究将学生个性表示x_t作为注意力机制中的查询 query ， 将情境特性表示c^k与情境影响表示c^v分别作为注意力机制中的键 key 与值 value 。 通过计算学生个性表示x_t与情境特性表示c^k的余弦相似度作为学生与特定情境输入的相性 ， 进而分配组内不同情境输入影响c^v ， 以及该组情境特性c^k的权重 ， 这样就能得到各组情境输入的影响表示v与特性表示k 。
文章图片
图表 5：Context interaction 层与 Context aggregation 层
在交互层中 ， 类似的 ， 该研究使用各组情境的影响表示v与特性k表示分别作为自注意力机制中的值 value 与键 key ， 从而得到交互后的各组情境输入的影响表示v'与特性表示k' 。 最后 ， 在聚合层中 ， 该研究依然使用个性表示x_t作为注意力机制中的查询 query ， 将各组情境输入的影响表示v'与特性表示k'分别作为自注意力机制中的值 value 与键 key ， 从而聚合各组情境输入 ， 得到情境输入对学生的最终的影响表示
文章图片
。
实验
实验使用的数据来自国际学生评估项目（Programme for International Student Assessment ， PISA）2015 年的公开数据集（以下简称 PISA2015） ， 包含来自 79 个国家与地区的学生的问卷数据与答题数据 。 PISA 项目是由世界经合组织（OECD）组织的国际学生评估项目 ， 包含专家设计的与教育情境信息相关的学生问卷数据与学生在数学、科学、阅读等学科的测试作答数据 ， PISA 2015 的主要测试科目是科学 ， 因此实验中使用学生在科学测试中的作答数据 。 该研究根据区域 ， 将 PISA2015 的科学作答数据中抽取了三个数据集 ， 分别是 Asia、Europe 与 America ， 具体的数据预处理可以参考论文内容 ， 下表是数据集统计情况 。
推荐阅读
- 清华大学|“穷清华，富北大，不要命的中科大”是什么意思？三校关系如何？
- 考试|中国高校探花之谜揭秘！浙大、上交大、复旦、中科大、南大5强争雄！谁将脱颖而出？
- 高校|奇葩说，浙大、上海交大、复旦、中科大、南大五校实力之比较！
- 诊断|曾被医生诊断10年后可能瘫痪，30多年后……
- 考试|【临床】执业医师技能考试—外科学其他篇病例分析——疾病诊断公式
- 中小学|国内“百强高校”大洗牌，中科大跻身前三，清华稳坐榜首之位
- 小学生|曾被诊断活不过3岁、如今开着“变形金刚”去上学！这个上海7岁男孩帅呆了
- 高校|化学学科高校排名大洗牌，中科大力压清北夺冠，复旦挺进前三
- 高校|我国百强大学排名洗牌，浙大排名争议较大，中科大位列第三
- 高校|安徽高校2021年竞争力排名：中科大实至名归，安徽师范大学居第4