M-QCDNet: нейросеть с Q-матрицей для прозрачной когнитивной диагностики
Исследователи представили новую нейросетевую архитектуру M-QCDNet (Multilayer Q-Matrix-Embedded Neural Network) для когнитивной диагностики. Работа опубликована в архиве препринтов arXiv. M-QCDNet интегрирует структурную интерпретируемость когнитивных диагностических моделей (CDM) с возможностями глубокого обучения.
Ключевая особенность — встраивание Q-матрицы в качестве структурного априорного знания. Q-матрица описывает связь между заданиями и навыками, что обеспечивает интерпретируемость профилей освоения навыков в соответствии с когнитивной теорией.
Разработанная функция потерь включает L2-штраф на навыки, не соответствующие Q-матрице. Это позволяет балансировать между предсказательной точностью и структурной согласованностью. Авторы также предложили метрики оценки, измеряющие степень соответствия предсказанных активаций навыков заданиям.
Практическая ценность M-QCDNet заключается в возможности раннего выявления трудностей в обучении. Модель поддерживает вмешательства, основанные на освоении навыков, что актуально для школьного и университетского образования.
M-QCDNet встраивает диагностическую валидность непосредственно в проектирование модели. Это сокращает разрыв между психометрической прозрачностью и гибкостью нейросетей, делая когнитивную диагностику более интерпретируемой, справедливой и пригодной для действий.
Данная работа продолжает тренд на создание интерпретируемых моделей искусственного интеллекта. В отличие от традиционных нейросетей-«черных ящиков», M-QCDNet позволяет учителям и психологам понимать основания выводов модели.
