지식 추적(KT)은 과거 응답을 분석하여 학생의 지식 변화를 모니터링하고 미래 성적을 예측하는 방법입니다. 기존 방법들은 주로 특징 향상에 집중하며, 인지 표현의 결함과 미끄러짐과 추측과 같은 비인지적 요인으로 인한 인지 표현 능력 부족을 간과합니다. 이러한 한계는 학생의 인지 과정의 연속성과 일관성을 포착하는 데 방해가 됩니다. CRDP-KT 모델은 질문 난이도와 수행 간격을 기반으로 동적 프로그래밍 알고리즘을 사용하여 인지 표현을 최적화하여 인지 패턴에 맞게 조정합니다. 이는 더 정확하고 체계적인 입력 특징을 제공하고, 인지 상태 시뮬레이션의 왜곡을 최소화합니다. 또한, 분할 최적화를 통해 최적화 프로세스의 신뢰성을 높이고, 최적화된 기록 표현과 이분 그래프에서 학습된 관계의 가중 융합을 통해 학생의 인지 표현 능력을 향상시킵니다. 세 개의 공개 데이터 세트에 대한 실험을 통해 CRDP-KT 모델의 효과를 입증했습니다.
