Machine learningLearning analytics

Traçage des Connaissances

Knowledge Tracing (KT) est une technique de modélisation de l'apprenant qui estime, à chaque instant, la probabilité qu'un apprenant ait maîtrisé une composante de connaissance cible. Introduit par Corbett et Anderson en 1994, le modèle classique Bayesian Knowledge Tracing (BKT) traite l'acquisition des compétences comme un Modèle de Markov Caché (MMC) à deux états, piloté par quatre paramètres interprétables : connaissance a priori, taux d'apprentissage, glissement (slip) et devinette (guess). Des variantes profondes (DKT, DKVMN, AKT) ont plus tard remplacé les MMC par des architectures récurrentes et de type Transformer.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

  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

Comment citer cette page

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

Référencée par

ScholarGateKnowledge Tracing (Knowledge Tracing (Bayesian / Deep)). Consulté le 2026-06-15 sur https://scholargate.app/fr/education-analytics/knowledge-tracing · Jeu de données : https://doi.org/10.5281/zenodo.20539026