Machine learningLearning analytics

ردیابی دانش

ردیابی دانش (KT) تکنیکی برای مدل‌سازی دانش‌آموز است که در هر لحظه از زمان، احتمال تسلط یادگیرنده بر یک مؤلفه دانش هدف را تخمین می‌زند. مدل کلاسیک ردیابی دانش بیزی (BKT) که در سال ۱۹۹۴ توسط Corbett و Anderson معرفی شد، کسب مهارت را به عنوان یک مدل مارکوف پنهان دو حالته در نظر می‌گیرد که توسط چهار پارامتر قابل تفسیر هدایت می‌شود: دانش اولیه، نرخ یادگیری، لغزش و حدس. انواع عمیق (DKT، DKVMN، AKT) بعدها مدل‌های مارکوف پنهان را با معماری‌های بازگشتی و ترنسفورمر جایگزین کردند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. 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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/fa/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.

Compare side by side

ارجاع‌شده در

ScholarGateKnowledge Tracing (Knowledge Tracing (Bayesian / Deep)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/education-analytics/knowledge-tracing · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026