目前,教育领域通过引入人工智能的技术,使得在线的教学系统成为了智能教学系统(ITS),ITS不同与以往的MOOC形式的课程。ITS能够个性化的为学生制定有效的
学习路径,通过根据学生的答题情况追踪学生当前的一个知识点掌握状况,从而可以做到因材施教。
在智能教学系统中,当前有使用以下三种模型对学生的知识点掌握状况进行一个追踪判断:
- IRT(Item response theory) 项目反应理论
- BKT(Bayesin knowledge tracing) 基于贝叶斯网络的学生知识点追踪模型
- DKT(Deep konwledge traing) 基于深度神经网络的学生知识点追踪模型
今天我们主要说一下BKT:
BKT是最常用的一个模型,BKT是含有隐变量的马尔可夫模型(HMM)。因此可以采用EM算法或者bruteForce 算法求解参数。
BKT是对学生知识点的一个变化进行追踪,可以知道学生知识点的一个掌握情况变化。
一般有个stop_policy准则,用于判断学生是否经过多轮的做题掌握了相应的知识点。
(Once that probability reaches 0.95, the student can be assumed to have learned the skill. The Cogniti