作者：吴燕强（暨南大学博士研究生）、白友恒（暨南大学博士研究生）、黄智维（暨南大学硕士研究生）、吕益波（暨南大学博士研究生）、侯明良（暨南大学）、刘子韬（暨南大学）

通讯作者：侯明良

摘要：知识追踪是智慧教育系统中的核心任务之一，其通过分析学生历史学习交互行为，建模学生知识状态，并预测未来学习表现。近年来，基于深度学习的知识追踪方法取得了显著进展。然而，现有方法通常将学生知识掌握程度与答题过程中的表现状态编码到统一特征空间中，导致不同认知信号相互混淆，使模型难以准确判断学生作答背后的真实原因，从而产生归因混淆。为解决这一问题，本文受到认知科学启发，提出一种新型的认知解耦与自适应融合知识追踪模型（CDFKT）。该方法将学生知识状态显式解耦为知识积累和临场应变能力两个认知维度。在建模方面，本文采用基于Mamba的序列建模方法捕获知识积累的学习规律，并设计新型的序列步长衰减编码器建模离散学习交互下的临场应变能力。尽管这两个认知构件是独立建模的，但它们在整个学习过程中相互影响。为了捕捉这种动态关系，本文进一步引入了特征级自适应融合机制，对不同来源的特征信号进行融合。在三个真实教育数据集上的大量实验表明，CDFKT优于现有基线方法。