Knowledge Tracing
Knowledge Tracing (KT) is een student-modelleringsmethode die op elk moment de waarschijnlijkheid schat dat een leerling een beoogde kenniscomponent beheerst. Geïntroduceerd door Corbett en Anderson in 1994, behandelt het klassieke Bayesian Knowledge Tracing (BKT)-model vaardigheidsverwerving als een tweestaten Hidden Markov Model, gestuurd door vier interpreteerbare parameters: voorkennis, leersnelheid, slip en gok. Diepe varianten (DKT, DKVMN, AKT) vervingen later HMM's door recurrente en transformer-architecturen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/nl/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.
- Bayesiaans NetwerkBayesiaanse statistiek↔ compare
- LSTMDeep learning↔ compare
- Rasch ModelPsychometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →