Knowledge Tracing
Knowledge Tracing (KT) er en studiemodelleringsteknik, der på ethvert tidspunkt estimerer sandsynligheden for, at en lærende har mestret en målvidenkomponent. Den klassiske Bayesian Knowledge Tracing (BKT) model, introduceret af Corbett og Anderson i 1994, betragter færdighedserhvervelse som en to-tilstands Hidden Markov Model (HMM) drevet af fire fortolkelige parametre: forhåndsviden, læringsrate, slip og gæt. Dybe varianter (DKT, DKVMN, AKT) erstattede senere HMM'er med rekurrent og transformer-arkitekturer.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/da/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.
- Bayesiansk netværkBayesiansk↔ compare
- LSTMDyb læring↔ compare
- Rasch-modellenPsykometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →