基于持续学习的认知诊断元学习框架

本文针对认知诊断（智能教育中的一个关键领域）中长尾数据分布和动态变化带来的挑战。它提出了一个新颖的元学习框架（MetaCD），该框架利用持续学习来提高模型在有限数据上的新任务表现，并适应不断变化的技能集。用于初始化的元学习和用于持续学习的参数保护机制是关键贡献。本文的重要性在于它有潜力提高认知诊断模型在实际教育环境中的准确性和适应性。

• •提出了用于认知诊断的元学习框架 MetaCD。
• •解决了教育数据中的长尾数据和动态变化问题。
• •利用元学习进行初始化，利用持续学习进行适应。
• •在真实世界的数据集上展示了改进的准确性和泛化能力。