添加README文档，包含项目结构、数据集描述及使用说明
This commit is contained in:
164
README.md
Normal file
164
README.md
Normal file
@@ -0,0 +1,164 @@
|
|||||||
|
# KT 常用数据集分析
|
||||||
|
|
||||||
|
一个用于分析知识追踪（Knowledge Tracing, KT）相关数据集的项目。包含多个常用教育数据集的分析 Notebook，涵盖 ASSISTment 平台和 EdNet 平台的学生在线学习数据。
|
||||||
|
|
||||||
|
## 项目结构
|
||||||
|
|
||||||
|
```
|
||||||
|
KTData/
|
||||||
|
├── README.md # 项目文档（本文件）
|
||||||
|
├── pyproject.toml # 项目配置和依赖管理
|
||||||
|
├── uv.lock # 依赖锁定文件
|
||||||
|
├── assist09_analysis.ipynb # ASSISTment2009 数据集分析
|
||||||
|
├── assist12_analysis.ipynb # ASSISTment2012 数据集分析
|
||||||
|
├── assist15_analysis.ipynb # ASSISTment2015 数据集分析
|
||||||
|
├── assist17_analysis.ipynb # ASSISTment2017 数据集分析
|
||||||
|
├── ednet_kt1.ipynb # EdNet KT1 数据集分析
|
||||||
|
└── data/ # 数据集存放目录
|
||||||
|
├── assistment09/ # ASSISTment 2009 数据
|
||||||
|
├── assistment12/ # ASSISTment 2012 数据
|
||||||
|
├── assistment15/ # ASSISTment 2015 数据
|
||||||
|
├── assistment17/ # ASSISTment 2017 数据
|
||||||
|
└── EdNet/ # EdNet 数据集
|
||||||
|
├── EdNet-Contents/ # 问题元数据等
|
||||||
|
└── EdNet-KT1/ # 学生答题记录
|
||||||
|
```
|
||||||
|
|
||||||
|
## 包含的数据集
|
||||||
|
|
||||||
|
### 1. ASSISTment 2009（Skill Builder）
|
||||||
|
- **文件大小**: 61 MB
|
||||||
|
- **数据量**: ~26,688 条问题记录
|
||||||
|
- **学生数量**: 4,217
|
||||||
|
- **技能数量**: 123
|
||||||
|
- **特点**: 包含主问题和支撑问题，记录详细的学生交互过程
|
||||||
|
- **关键字段**:
|
||||||
|
- `order_id`: 问题日志ID
|
||||||
|
- `correct`: 答题是否正确（0/1）
|
||||||
|
- `original`: 问题类型（1=主问题, 0=支撑问题）
|
||||||
|
- `skill_id/skill_name`: 技能标识
|
||||||
|
- `hint_count`: 学生请求的提示次数
|
||||||
|
- `ms_first_response`: 首次响应时间
|
||||||
|
- `tutor_mode`: 导师模式或测试模式
|
||||||
|
|
||||||
|
### 2. ASSISTment 2012-2013
|
||||||
|
- **文件大小**: 2.9 GB
|
||||||
|
- **学年**: 2012-2013
|
||||||
|
- **特点**: 在 2009 的基础上增加了学生情绪状态的置信度预测
|
||||||
|
- **关键字段**:
|
||||||
|
- `problem_log_id`: 问题日志ID
|
||||||
|
- `skill`: 技能名称
|
||||||
|
- `problem_id`: 问题ID
|
||||||
|
- `correct`: 答题是否正确（0/1）
|
||||||
|
- `tutor_mode`: 导师/测试模式
|
||||||
|
- `type`: 问题集类型（LinearSection, MasterySection 等）
|
||||||
|
- `Average_confidence(*)`: 情绪状态置信度（FRUSTRATED, CONFUSED, CONCENTRATING, BORED）
|
||||||
|
|
||||||
|
### 3. ASSISTment 2015
|
||||||
|
- **文件大小**: 18 MB
|
||||||
|
- **学年**: 2015-2016
|
||||||
|
- **数据量**: 100 个最常用的技能构建器
|
||||||
|
- **特点**: 仅包含主问题数据，字段相对简化
|
||||||
|
- **关键字段**:
|
||||||
|
- `user_id`: 学生ID
|
||||||
|
- `log_id`: 作答记录ID
|
||||||
|
- `sequence_id`: 习题集ID（代表技能）
|
||||||
|
- `correct`: 答题是否正确（0/1）
|
||||||
|
|
||||||
|
### 4. ASSISTment 2017
|
||||||
|
- **文件大小**: 524 MB
|
||||||
|
- **年份**: 2017
|
||||||
|
- **特点**: 包含 82 个特征列，最详细的特征工程数据
|
||||||
|
- **关键字段**:
|
||||||
|
- `studentId`: 学生ID
|
||||||
|
- `problemId`: 问题ID
|
||||||
|
- `skill`: 技能名称
|
||||||
|
- `correct`: 答题是否正确
|
||||||
|
- `InferredGender`: 推断的学生性别
|
||||||
|
- `AveCorrect`: 平均正确率
|
||||||
|
- `AveKnow`: 平均知识水平
|
||||||
|
- 多种情绪预测值（Bored, Concentrating, Confused, Frustrated, Off Task, Gaming）
|
||||||
|
|
||||||
|
### 5. EdNet KT1
|
||||||
|
- **数据来源**: EdNet 在线教育平台
|
||||||
|
- **特点**: 目前最大规模的学生交互数据
|
||||||
|
- **学生数据**:
|
||||||
|
- 学生作答数据以 CSV 文件形式存储，每个学生一个文件（u1.csv, u2.csv 等）
|
||||||
|
- 包含学生的完整作答序列
|
||||||
|
- **关键字段**:
|
||||||
|
- `timestamp`: 题目被给出的时间（Unix 时间戳，毫秒）
|
||||||
|
- `question_id`: 问题ID（格式：q{integer}）
|
||||||
|
- `solve_id`: 题组捆绑包ID
|
||||||
|
- `user_answer`: 学生提交的答案（a/b/c/d）
|
||||||
|
- `elapsed_time`: 解答时间（毫秒）
|
||||||
|
- **问题元数据**:
|
||||||
|
- `correct_answer`: 正确答案
|
||||||
|
- `part`: 题目部分编号（1-7）
|
||||||
|
- `tags`: 专家标注的技能标签
|
||||||
|
- `deployed_at`: 问题上线时间
|
||||||
|
|
||||||
|
## 数据特征对比
|
||||||
|
|
||||||
|
| 特征 | 2009 | 2012 | 2015 | 2017 | EdNet |
|
||||||
|
|-----|------|------|------|------|-------|
|
||||||
|
| 文件大小 | 61 MB | 2.9 GB | 18 MB | 524 MB | 可变 |
|
||||||
|
| 包含支撑问题 | ✓ | ✓ | ✗ | ✓ | ✗ |
|
||||||
|
| 情绪预测 | ✗ | ✓ | ✗ | ✓ | ✗ |
|
||||||
|
| 学生数量 | 4,217 | 大规模 | 未统计 | 大规模 | 多变 |
|
||||||
|
| 字段数量 | ~30 | ~40 | 4 | 82 | 5 |
|
||||||
|
| 技能标注 | 详细 | 详细 | 简化 | 详细 | 分级标签 |
|
||||||
|
|
||||||
|
## 环境配置
|
||||||
|
|
||||||
|
### 前置要求
|
||||||
|
|
||||||
|
- Python 3.12 或更高版本
|
||||||
|
- UV 包管理工具（[安装指南](https://docs.astral.sh/uv/getting-started/installation/)）
|
||||||
|
|
||||||
|
### 快速开始
|
||||||
|
|
||||||
|
```bash
|
||||||
|
# 同步本地依赖包
|
||||||
|
uv sync
|
||||||
|
|
||||||
|
# 启动 Jupyter Lab
|
||||||
|
uv run jupyter lab
|
||||||
|
|
||||||
|
# 或启动 Jupyter Notebook
|
||||||
|
uv run jupyter notebook
|
||||||
|
```
|
||||||
|
|
||||||
|
### 依赖包
|
||||||
|
|
||||||
|
项目使用以下主要依赖包：
|
||||||
|
|
||||||
|
- **jupyterlab** (≥4.4.10): 交互式数据分析环境
|
||||||
|
- **pandas** (≥2.3.3): 数据处理和分析
|
||||||
|
- **matplotlib** (≥3.9.4): 数据可视化
|
||||||
|
- **tqdm** (≥4.67.1): 进度条显示
|
||||||
|
|
||||||
|
## 使用说明
|
||||||
|
|
||||||
|
### 运行 Notebook
|
||||||
|
|
||||||
|
所有分析代码都包含在 Jupyter Notebook 文件中：
|
||||||
|
|
||||||
|
1. **assist09_analysis.ipynb**: ASSISTment 2009 数据集的全面分析
|
||||||
|
2. **assist12_analysis.ipynb**: ASSISTment 2012 数据集分析，包括情绪状态分析
|
||||||
|
3. **assist15_analysis.ipynb**: ASSISTment 2015 数据集分析
|
||||||
|
4. **assist17_analysis.ipynb**: ASSISTment 2017 数据集分析，大量特征工程
|
||||||
|
5. **ednet_kt1.ipynb**: EdNet KT1 数据集分析
|
||||||
|
|
||||||
|
### 主要分析内容
|
||||||
|
|
||||||
|
- 数据集结构和字段说明
|
||||||
|
- 数据统计信息（学生数、问题数、技能数等）
|
||||||
|
- 答题正确率分析
|
||||||
|
- 学生学习行为分析
|
||||||
|
- 技能相关性分析
|
||||||
|
- 时间序列分析
|
||||||
|
|
||||||
|
## 数据获取
|
||||||
|
|
||||||
|
- **ASSISTment 数据集**: [https://sites.google.com/site/assistmentsdata/datasets](https://sites.google.com/site/assistmentsdata/datasets)
|
||||||
|
- **EdNet 数据集**: [https://github.com/riiid/ednet](https://github.com/riiid/ednet)
|
||||||
Reference in New Issue
Block a user