基于过程证据与群体协同校准的
模拟实训动态技能诊断分析算法

摘 要 / ABSTRACT

随着虚拟仿真、数字实验与智能教学系统的发展，以最终结果、步骤完成度或单次考试得分为核心的传统评价方式，已难以准确刻画学习者在复杂实训过程中的真实能力状态。针对传统实训评价中「结果重于过程、单次评价割裂历史、个体评价缺乏群体参照、局部行为难以迁移推断整体能力」四类问题，本文提出一种基于过程证据的模拟实训动态技能诊断分析算法——星环教学数据分析算法。

该算法以标签化过程证据为基础，将学习者在单次复杂实训任务中的行为证据、纵向历史数据与同类学习群体的横向统计数据统一纳入技能掌握推断过程，通过正向证据、负向证据、错误原因（Reason）、证据强度、知识技能关联关系与时间衰减等因素，以对数优势（log-odds）机制动态更新学习者的技能掌握概率。在此基础上，算法进一步构建学习者个体技能模型与群体技能参数模型，通过持续教学交互实现二者的协同校准，并借助技能关联网络对未直接观测技能进行概率迁移推断。