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）

快速开始

# 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
• EdNet 数据集: https://github.com/riiid/ednet