Knowledge Tracing
Knowledge Tracing (KT) คือเทคนิคการสร้างแบบจำลองผู้เรียน (student modeling) ที่ประเมินความน่าจะเป็นที่ผู้เรียนมีความเข้าใจในองค์ความรู้เป้าหมาย ณ เวลาใดเวลาหนึ่ง โมเดล Bayesian Knowledge Tracing (BKT) แบบดั้งเดิม ซึ่งนำเสนอโดย Corbett และ Anderson ในปี 1994 มองว่าการเรียนรู้ทักษะเป็นแบบจำลอง Hidden Markov Model (HMM) ที่มีสองสถานะ โดยขับเคลื่อนด้วยพารามิเตอร์ที่ตีความได้สี่ค่า ได้แก่ ความรู้ตั้งต้น (prior knowledge) อัตราการเรียนรู้ (learning rate) การผิดพลาดโดยไม่ตั้งใจ (slip) และการเดา (guess) ในภายหลัง โมเดลขั้นสูง (deep variants) เช่น DKT, DKVMN, AKT ได้เข้ามาแทนที่ HMM ด้วยสถาปัตยกรรมแบบ recurrent และ transformer
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Knowledge Tracing (Bayesian / Deep). ScholarGate. https://scholargate.app/th/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.
- เครือข่ายเบย์ (Bayesian Network)เบย์↔ compare
- แอลเอสทีเอ็มการเรียนรู้เชิงลึก↔ compare
- โมเดล Raschการวัดทางจิตวิทยา↔ compare