Zināšanu izsekošana
Zināšanu izsekošana (KT) ir studentu modelēšanas tehnika, kas katrā laika momentā novērtē varbūtību, ka apguvējs ir apguvis mērķa zināšanu komponentu. Klātisko Bazeja zināšanu izsekošanas (BKT) modeli, ko 1994. gadā ieviesa Korbetts un Andersons, aplūko prasmju apguvi kā divu stāvokļu slēptu Markova modeli, ko vada četri interpretējami parametri: sākotnējās zināšanas, apguves ātrums, kļūdas un minējumi. Vēlākie dziļie varianti (DKT, DKVMN, AKT) aizstāja HMM ar rekurentām un transformatoru arhitektūrām.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/lv/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.
- Bayes' tīklsBajesa metodes↔ compare
- ILSMDziļā mācīšanās↔ compare
- Raša modelisPsihometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →