عندما تعرف الرسم البياني ما لم تتعلمه: نموذج متعلم من نوع جديد

إن نمذجة المتعلم، وهي مشكلة معرفة ما يعرفه الطالب وما لا يعرفه، تعاملت في الغالب مع كل نوع من علاقات بيانات الطالب بنفس الطريقة. يتم التعامل مع قيام الطالب بالنقر على فيديو بنفس طريقة رسوب الطالب في اختبار، لأن نماذج الرسوم البيانية التي تدعم معظم أنظمة التوصيات تسوّي هذه التفاعلات في نوع حافة واحد. وهذا يفقد الدقة: فالفرق الدلالي بين الفهم والتجاهل مهم.

تقترح ورقة بحثية جديدة من باحثين في جامعة العلوم والتكنولوجيا، تم تقديمها إلى arXiv في 21 يوليو، نظام MR-ConceptGCN، وهو نهج غير خاضع للإشراف بالكامل يستخدم شبكات التفاف رسومية متعددة العلاقات للحفاظ على تلك الفروق. يبني النموذج رسمًا بيانيًا معرفيًا شخصيًا لكل متعلم، حيث تكون العُقد عبارة عن مفاهيم معرفية من مواد الدورة، ويثري تمثيل كل مفهوم باستخدام نموذج Sentence-BERT (SBERT) مُدرَّب مسبقًا. ثم تقوم MR-GCN بنشر المعلومات عبر أنواع العلاقات بحيث يمكن للرسم البياني أن يميز، على سبيل المثال، ما إذا كان الطالب قد واجه مفهومًا من خلال إجابة اختبار صحيحة أم من خلال منشور في منتدى لم يقرأه أبدًا.

ثم يتم ترتيب التضمينات المُثرية للمفاهيم التي لم يُظهر الطالب فهمًا لها حسب ترتيب التفاعل، مما ينتج نموذجًا زمنيًا يمزج بين المعرفة طويلة المدى والعقبات الحديثة. والنتيجة هي توصية تعرف أي الفجوات هي الأقدم وأيها الأحدث.

اختبر الباحثون النظام داخل منصة CourseMapper، وهي منصة تعليمية مستخدمة في الدراسة. قام واحد وثلاثون مشاركًا بتقييم التوصيات. عبر جميع المقاييس، تفوق MR-ConceptGCN على خطوط الأساس المتجانسة لشبكة GCN ونهج التصفية التعاونية الشائع (BPR-MF) من حيث الدقة والفائدة والتنوع والرضى العام.

العينة صغيرة، ويشير المؤلفون إلى ذلك صراحةً. لكن البنية عامة. يمكن لأي منصة تعليمية يمكنها تحديد علامات المفاهيم وفصل أنواع التفاعل (إجابة صحيحة، محاضرة تم تخطيها، مناقشة نشطة في المنتدى) أن تستخدم هذا الخط الأنابيب دون وضع علامات يدوية. التدريب غير خاضع للإشراف بالكامل.

ما يهم في هذا المجال: تُظهر الورقة البحثية أن نماذج الرسوم البيانية متعددة العلاقات، الشائعة بالفعل في إكمال الرسوم البيانية المعرفية والتوصيات، تعمل من أجل نمذجة المستخدم، وهو إعداد تكون فيه الحواف أفعالًا تحمل معاني مختلفة. وهذا يفتح مسارًا نحو أنظمة تكيفية تميز بين أنواع الأدلة.

لا يزال مفتوحًا: ما إذا كانت الفجوة قابلة للتطبيق على نطاق واسع، وما إذا كانت جودة تضمين SBERT تتدهور بالنسبة لمفاهيم المجالات المتخصصة، وما إذا كان منطق التسلسل يلتقط بالفعل النسيان الزمني بشكل أفضل من المتوسطات المرجحة البسيطة الأحدث. تقول دراسة المستخدم نعم لـ 31 شخصًا. سيكشف التكرار الباقي.