知识追踪模型的可解释性与稳定性验证研究
该研究针对知识追踪（KT）模型黑盒预测导致难以有效指导教学实践的问题，提出了一套综合验证协议。该协议系统评估了模型的预测竞争力、解释稳定性以及基于重新训练的忠实度。研究基于ASSISTments 2009和2012数据集，围绕五个教学主题构建了13个行为特征，并修正重建了原始数据集中存在技能构建重复记录的问题，为教育AI模型的可解释性评估提供了更可靠的基准。
推荐理由针对教育AI中知识追踪模型的不可解释性，提出了兼顾预测性、稳定性和忠实度的系统性评估协议。
原标题：Stable and Faithful Explanations for Knowledge Tracing
阅读 arXiv 机器学习 原文 ↗