基于超图卷积注意力机制的可解释性知识追踪方法及装置

本申请提供一种基于超图卷积注意力机制的可解释性知识追踪方法(HCAKT)及装置。其中，通过引入2PLM(双参数逻辑模型)的双参数输入机制，HCAKT有效应对了同一学习项目内技能难度差异显著的挑战，不仅提升了模型的灵活性，还增强了模型的解释性。此外，模型中还加入超图网络，它作为参数平衡的关键工具，有效规避了冗余信息对模型性能的潜在干扰，通过优化参数间的相互关系，进一步提升了预测的准确性。最后，HCAKT还融入了卷积注意力机制，以模拟并捕捉学生的遗忘规律。这一机制能够深入解析学生在学习过程中的记忆衰退特征，从而更加真实地反映学生的学习状态。