近日，由中国科学技术大学和科大讯飞联合承建的认知智能国家重点实验室在NeurIPS 2022教育因果挑战赛(Causal Insights for Learning Paths in Education)中，以显著优势夺得真实场景教学效果推断赛道冠军，创新性地提出了基于学习过程一致性知识追踪的教学效果推理模型，相较第二名得分高出约10%。目前，该技术已经在讯飞AI学习机、个性化学习手册等业务中规模化落地。

教育因果挑战赛Task 4公榜榜单

教育因果挑战赛Task 4私榜榜单

注：因涉及真实数据隐私问题，以上榜单隐去分数，仅展示排名。

什么是教育因果挑战赛？

NeurIPS 2022教育因果挑战赛由微软研究院、英国Eedi公司、莱斯大学联合举办，该赛事提供了从在线教育平台真实环境中获得的学生学习过程序列数据，并通过严格的A/B测试来确定学生完成给定知识点的课程与学生在特定题目上的表现之间的关系。参赛者需要使用这些真实的学习过程序列数据，解决教育背景下机器学习中的两个基本因果挑战：

• 确定不同所学习的知识点之间的学习顺序因果关系；

• 在前者的基础上，进行教学效果的因果推断，即推断完成给定知识点的课程为学生带来的不同学习效果。

在智能教育领域，决定知识点的学习顺序一直以来都是智能教育中的重大挑战，发现知识点之间的关系并且推断学习特定知识点的效果可以帮助教师设计更有针对性的课程。因此实现真实学习场景下的教学效果精准推断，对实现个性化学习具有重要意义。

然而在真实学习场景下，学习数据存在较多缺失值，每个学生的学习内容、作答内容不同，再加上不同学生的知识掌握分布差异，导致教学效果推断极为困难。解决该问题的关键在于对学生知识能力变化的精准建模，然而目前的建模方法重点关注于学习结果（即得分正确或错误），建模过程基于一个简单的假设，即学生知识能力下降的原因是答错题目，学生知识能力增长的原因是答对题目，但对学生具体学习过程的探究较少。单从学习结果上看，仅能知晓学生当前的知识能力处于什么程度，却忽视了更为关键的因素——学生当前的知识能力是如何形成的，未来又会如何发展，因此难以预估教学手段是否有效。

创新性提出基于认知建模的教学效果推断方法服务个性化学习

针对以上问题，实验室聚焦于学习过程的建模，创新性地提出一种学习过程一致性知识追踪方法（LPKT），技术方案已发表在数据挖掘领域顶级国际会议KDD 2021上。该方法首次将学习过程的基本模块形式化为“题目-答题时间-答案-间隔时间”，学习过程可以由多个这样的基本模块串联而成。基于这样的学习过程，实验室从客观学习规律的角度提出答题对错不是学生知识能力变化的根本原因，学生学习过程中知识能力的变化由两方面因素决定：

• 对知识能力起到积极作用的是学习行为，比如答题（不论对错）和上课等；

• 对知识能力起到消极作用的则是一定时间内不学习导致的遗忘。

综合考虑学习行为带来的积极作用和遗忘导致的消极作用，实验室团队准确建模学生学习过程中知识能力的变化过程。

LPKT模型结构

基于上述方法，实验室使用学生真实的学习序列数据训练LPKT模型，并选取特定学生样本进行模拟测试，预测学生完成特定课程后在指定知识点上能力的变化情况，最后计算得到教学措施的条件平均因果效应，完成教学效果推断。

以上技术创新成果将进一步在科大讯飞智慧教育产品中落地应用，为真实场景下的个性化学习提供服务，帮助师生减负增效，促进教学质量提升，助力因材施教。

面向教育高质量发展命题，实验室依托核心技术突破，已构建口语评测、智能批改、个性化推荐等多项认知智能系统并实现广泛应用。未来，实验室将继续坚持源头技术创新，赋能教育，让因材施教惠及每位师生，推动更多地区教育高质量发展，共创教育美好未来。

编辑：唐菁莲  预审：罗添  审核：施羽晗