The effect of variations of prior on knowledge tracing

Matti Nelimarkka*, Madeeha Ghori

*Tämän työn vastaava kirjoittaja

    Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

    3 Sitaatiot (Scopus)
    62 Lataukset (Pure)

    Abstrakti

    Knowledge tracing is a method which enables approximation of a student's knowledge state using a Bayesian network for approximation. As the applications of this method increase, it is vital to understand the limits of this approximation. We are interested how well knowledge tracing performs when students' prior knowledge on the topic is extremely high or low. Our results indicate that the estimates become more erroneous when prior knowledge is extremely high (prior =0.90).

    AlkuperäiskieliEnglanti
    OtsikkoEDM 2014 Extended Proceedings
    AlaotsikkoProceedings of the Workshops held at Educational Data Mining 2014, co-located with 7th International Conference on Educational Data Mining (EDM 2014), London, United Kingdom, July 4-7, 2014
    ToimittajatSergio Gutierrez-Santos, Olga C. Santos
    Sivut146-150
    Sivumäärä5
    TilaJulkaistu - 2014
    OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
    TapahtumaInternational Conference on Educational Data Mining - London, Iso-Britannia
    Kesto: 4 heinäk. 20147 heinäk. 2014
    Konferenssinumero: 7

    Julkaisusarja

    NimiCEUR workshop proceedings
    Vuosikerta1183
    ISSN (painettu)1613-0073

    Conference

    ConferenceInternational Conference on Educational Data Mining
    LyhennettäEDM
    Maa/AlueIso-Britannia
    KaupunkiLondon
    Ajanjakso04/07/201407/07/2014

    Sormenjälki

    Sukella tutkimusaiheisiin 'The effect of variations of prior on knowledge tracing'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

    Siteeraa tätä