Praćenje znanja
Praćenje znanja (KT) je tehnika modeliranja učenika koja u svakom trenutku procjenjuje vjerojatnost da je polaznik savladao ciljnu komponentu znanja. Klasični model Praćenja znanja temeljen na Bayesovoj formuli (Bayesian Knowledge Tracing, BKT), koji su predstavili Corbett i Anderson 1994. godine, tretira stjecanje vještina kao skriveni Markovljev model s dva stanja, pokretan s četiri interpretativna parametra: predznanje, stopa učenja, proklizavanje i pogađanje. Kasnije su duboke varijante (DKT, DKVMN, AKT) zamijenile HMM-ove rekurzivnim i transformer arhitekturama.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/hr/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.
- Bayesova mrežaBayesovska statistika↔ compare
- LSTMDuboko učenje↔ compare
- Raschov modelPsihometrija↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →