في عصر التعليم الذكي، يعتبر تتبع المعرفة (Knowledge Tracing) أداة حيوية لفهم كيف يتطور أداء الطلاب بناءً على تفاعلاتهم السابقة. يهدف هذا المفهوم إلى التنبؤ بأداء الطلاب المستقبلي من خلال نمذجة حالات معرفتهم المتغيرة باستمرار. عادةً، يتم التعامل مع تسلسل التفاعلات الخام كعملية سلوكية موحدة، مما يتجاهل الطبيعة المميزة للمراحل المختلفة من سلوك التعلم.

تظهر الملاحظات الأولية أن الطلاب أكثر قدرة على الإجابة الصحيحة عن المفاهيم التي فشلوا فيها سابقًا بعد ممارسة كافية، مما يدل على انتقالهم من بناء القدرة إلى التعلم المعتمد على الكفاءة. بناءً على هذا، نقدم نموذج تتبع المعرفة القائم على الوعي بالمرحلة (Phase-Aware Knowledge Tracing - PAKT)، الذي يقوم بتفكيك تفاعلات الطلاب إلى مراحل القدرة والكفاءة باستخدام آلية تفكيك مخصصة.

لتعزيز فعالية الاستفادة من التسلسلات المفككة، تم تصميم نموذج Transformer متعدد الفروع مزودًا بوحدة قراءة مدركة لنوع التفاعل، مما يمكّن النموذج من التقاط الحالات المعرفية المحددة بالمراحل والمجمل بشكل متفرد.

علاوة على ذلك، نقدم تحليلًا سببيًا لكشف التحيز الناتج عن خلط السلوكيات التعلمية المعقدة في نماذج تتبع المعرفة التي لا تأخذ المراحل بعين الاعتبار. من خلال عدد كبير من التجارب القائمة على ستة مراجع عامة، أثبت طريقتنا تفوقها باستمرار على النماذج الأساسية الممثلة، مع تحقيق أقصى زيادة في AUC بنسبة 1.33% ومتوسط 0.82%.

تقدم هذه النتائج آمالاً جديدة في كيفية تحسين التجارب التعليمية، وتبرز أهمية فهم تفاصيل التعلم لمساعدة الطلاب بشكل أكثر فعالية.

ما رأيكم في هذا التطور في تتبع المعرفة؟ شاركونا في التعليقات!