Praćenje znanja
Praćenje znanja (KT) je tehnika modeliranja učenika koja u svakom trenutku procenjuje verovatnoću da je učenik savladao ciljnu komponentu znanja. Klasični model Bajesovog praćenja znanja (BKT), koji su uveli Corbett i Anderson 1994. godine, tretira sticanje veština kao dvo-stanje skriveni Markovskov model vođen sa četiri interpretativna parametra: predznanje, stopa učenja, greška i pogađanje. Kasnije su duboke varijante (DKT, DKVMN, AKT) zamenile HMM-ove rekurentnim i transformer arhitekturama.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/sr/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.
- Bejzijanska mrežaBajesovska statistika↔ compare
- LSTMDuboko učenje↔ compare
- Rašov modelPsihometrija↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →