本發(fā)明屬于個性化學(xué)習(xí)技術(shù)領(lǐng)域，公開了一種基于多任務(wù)框架的智能學(xué)習(xí)狀態(tài)追蹤方法、系統(tǒng)及應(yīng)用，采集學(xué)習(xí)者的外在學(xué)習(xí)行為特征、學(xué)習(xí)資源特征以及潛在能力特征，并進行預(yù)處理操作，獲得包含先驗信息的學(xué)習(xí)特征；然后構(gòu)建多個堆疊的卷積神經(jīng)網(wǎng)絡(luò)對學(xué)習(xí)特征進行深度表示學(xué)習(xí)，控制學(xué)習(xí)者的遺忘情況，構(gòu)建深層學(xué)習(xí)特征；再進行深淺特征融合，引入雙向循環(huán)神經(jīng)網(wǎng)絡(luò)，構(gòu)建基于長時序依賴的智能學(xué)習(xí)狀態(tài)追蹤模型；最后對學(xué)習(xí)者的學(xué)習(xí)狀態(tài)進行量化及預(yù)測，并構(gòu)造損失函數(shù)進行多任務(wù)訓(xùn)練。本發(fā)明有利于提高知識追蹤模型在預(yù)測學(xué)習(xí)者學(xué)習(xí)狀態(tài)方面的預(yù)測性能，而且拓展了知識追蹤模型的預(yù)測領(lǐng)域和教育應(yīng)用領(lǐng)域，推動了個性化教育、智慧教育的發(fā)展。