Sledování znalostí
Sledování znalostí (Knowledge Tracing, KT) je technika modelování studentů, která v každém okamžiku odhaduje pravděpodobnost, že si student osvojil cílovou znalostní komponentu. Klasický model Bayesovského sledování znalostí (Bayesian Knowledge Tracing, BKT), představený Corbettem a Andersonem v roce 1994, pojímá osvojování dovedností jako dvoustavový skrytý Markovův model řízený čtyřmi interpretovatelnými parametry: předchozí znalostí, rychlostí učení, chybovostí (slip) a hádáním (guess). Hluboké varianty (DKT, DKVMN, AKT) později nahradily HMM rekurentními a transformerovými architekturami.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/cs/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.
- Bayesovská síťBayesovská statistika↔ compare
- LSTMHluboké učení↔ compare
- Rašův modelPsychometrika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →