Knowledge Tracing
Knowledge Tracing (KT) on opiskelijan mallintamistekniikka, joka arvioi kullakin ajanhetkellä todennäköisyyden sille, että oppija on hallinnut kohdetiedon. Corbettin ja Andersonin vuonna 1994 esittelemä klassinen Bayesian Knowledge Tracing (BKT) -malli käsittelee taitojen oppimista kaksitilaisena piilotettuna Markov-mallina, jota ohjaa neljä tulkittavaa parametria: ennakkotieto, oppimisnopeus, lipsahdus ja arvaus. Syvät variantit (DKT, DKVMN, AKT) korvasivat myöhemmin HMM-mallit rekurrentti- ja transformer-arkkitehtuureilla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen verkkoBayesilainen tilastotiede↔ compare
- LSTMSyväoppiminen↔ compare
- Rasch-malliPsykometriikka↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →