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.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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.
- Réseau bayésienBayésien↔ compare
- LSTMApprentissage profond↔ compare
- Modèle de RaschPsychométrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →