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.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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.
- Rangkaian BayesianBayesian↔ compare
- LSTMPembelajaran Mendalam↔ compare
- Model RaschPsikometrik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →