Проследяване на знанията
Проследяването на знанията (KT) е техника за моделиране на ученици, която оценява в всеки момент от време вероятността ученикът да е овладял целеви компонент на знанието. Класическият модел на Байесово проследяване на знанията (BKT), въведен от Корбет и Андерсън през 1994 г., третира придобиването на умения като двусъстоянен Скрит Марков Модел, управляван от четири интерпретируеми параметъра: начални знания, скорост на учене, грешка при учене и предположение. По-късно дълбоки варианти (DKT, DKVMN, AKT) замениха HMM с рекурентни и трансформаторни архитектури.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Corbett, A. T., & Anderson, J. R. (1994). Knowledge tracing: Modeling the acquisition of procedural knowledge. User Modeling and User-Adapted Interaction, 4(4), 253–278. DOI: 10.1007/BF01099821 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/bg/education-analytics/knowledge-tracing
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Бейсианска мрежаБейсови методи↔ compare
- LSTMДълбоко обучение↔ compare
- Модел на РашПсихометрия↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →