Penelusuran Pengetahuan

Penelusuran Pengetahuan (KT) adalah teknik pemodelan siswa yang memperkirakan, pada setiap momen waktu, probabilitas bahwa seorang pembelajar telah menguasai komponen pengetahuan target. Diperkenalkan oleh Corbett dan Anderson pada tahun 1994, model Penelusuran Pengetahuan Bayesian (BKT) klasik memperlakukan akuisisi keterampilan sebagai Model Markov Tersembunyi dua keadaan yang didorong oleh empat parameter yang dapat diinterpretasikan: pengetahuan awal, tingkat pembelajaran, slip, dan tebakan. Varian mendalam (DKT, DKVMN, AKT) kemudian menggantikan HMM dengan arsitektur rekuren dan transformer.