Трассировка знаний
Трассировка знаний (KT) — это метод моделирования студентов, который оценивает в каждый момент времени вероятность того, что учащийся освоил целевой компонент знаний. Классическая байесовская модель трассировки знаний (BKT), представленная Корбеттом и Андерсоном в 1994 году, рассматривает приобретение навыков как скрытую марковскую модель с двумя состояниями, управляемую четырьмя интерпретируемыми параметрами: предварительные знания, скорость обучения, пропуск и угадывание. Более поздние глубокие варианты (DKT, DKVMN, AKT) заменили HMM рекуррентными архитектурами и трансформерами.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/ru/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.
- Байесовская сетьБайесовские методы↔ compare
- LSTMГлубокое обучение↔ compare
- Модель РашаПсихометрия↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →