返回
Reliability Coefficient for Bayesian Knowledge Tracing Models
DOI:10.1007/s10758-025-09829-7.png)
摘要
En 中文
知识追踪(KT)是指高效追踪在线学习系统中学生学业成就的过程。贝叶斯知识追踪(BKT)是用于此过程的代表性统计模型。尽管BKT在预测学生表现和建模知识获取方面应用广泛,但评估BKT模型测量一致性的方法仍不明确。在心理测量学中,信度是一个基本概念,用于衡量评估工具产生稳定且一致结果的程度。评估信度至关重要,因为缺乏可靠的测量,教育评估的充分性及基于其做出的决策将受到损害。为解决测量信度方法缺失的问题,我们提出了一种新颖的方法,通过将现有诊断分类模型的方法扩展到时间序列数据,来估计信度系数。我们将所提出的方法应用于实际响应数据,并展示了其评估BKT模型信度的能力,强调了评估信度的重要性及其在改进个性化学习体验方面的潜力。
Keyword:
Knowledge tracing
Bayesian knowledge tracing
Knowledge state
Reliability coefficients
期刊
T
IF:
3.5
论文数:
550
被引数:
2.3K
机构
引用论文
Conceptual Issues in Mastery Criteria: Differentiating Uncertainty and Degrees of Knowledge掌握标准中的概念问题:区分不确定性与知识程度

