ScholarGate
Pembantu
Machine learningLearning analytics

Knowledge Tracing

Knowledge Tracing (KT) ialah satu teknik pemodelan pelajar yang menganggarkan, pada setiap detik masa, kebarangkalian bahawa seorang pelajar telah menguasai komponen pengetahuan sasaran. Diperkenalkan oleh Corbett dan Anderson pada 1994, model Bayesian Knowledge Tracing (BKT) klasik menganggap pemerolehan kemahiran sebagai Model Markov Tersembunyi (Hidden Markov Model) dua keadaan yang didorong oleh empat parameter yang boleh ditafsirkan: pengetahuan awal (prior knowledge), kadar pembelajaran (learning rate), kesilapan (slip), dan tekaan (guess). Varian mendalam (DKT, DKVMN, AKT) kemudiannya menggantikan HMM dengan seni bina berulang (recurrent) dan transformer.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Sumber

  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

Cara memetik halaman ini

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

Dirujuk oleh

ScholarGateKnowledge Tracing (Knowledge Tracing (Bayesian / Deep)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/education-analytics/knowledge-tracing · Set data: https://doi.org/10.5281/zenodo.20539026