Inscription / Connexion Nouveau Sujet
Niveau doctorat
Partager :

Bayesian Knowledge Tracing

Posté par
ROAD
28-02-23 à 12:07

Bonjour,

Je travaille sur un sujet en lien avec la méthode Bayesian Knowledge Tracing (BKT) est un modèle basé sur les chaînes de Markov cachées dans lequel on trouve deux états : un état de maîtrise de la connaissance, et un état de non maîtrise.

Les 4 éléments qui composent le modèle  sont des probabilités :

p(init) : c'est la probabilité que l'apprenant connaisse déjà l'élément de connaissance avant son entrée dans le programme
p(transit) : c'est la probabilité de transfert de la connaissance. L'apprenant mobilise correctement ses acquis pour répondre correctement à la question posée
p(slip) : c'est la probabilité d'une erreur d'inattention. L'apprenant a bien acquis la connaissance mais commet une erreur exceptionnellement
p(guess) : c'est la probabilité d'une bonne réponse par pure chance. L'apprenant ne maîtrise pas l'élément de connaissance mais trouve tout de même la bonne réponse.

Ci-dessous un lien pour avoir plus d'information sur les équations de model :
https://en.wikipedia.org/wiki/Bayesian_Knowledge_Tracing

Ma question :

Dans plusieurs exemples que j'ai trouvés sur le net, je trouve qu'ils initialisent les probabilités initiales avec des chiffres aléatoirement.
pouvez vous svp m'expliquer qu'ils sont les techniques utilisées pour estimer les probabilité initiales <P(L0), P(T), P(S) et P(G)> de modèle BKT.

Merci par avance



Vous devez être membre accéder à ce service...

Pas encore inscrit ?

1 compte par personne, multi-compte interdit !

Ou identifiez-vous :


Rester sur la page

Inscription gratuite

Fiches en rapport

parmi 1677 fiches de maths

Désolé, votre version d'Internet Explorer est plus que périmée ! Merci de le mettre à jour ou de télécharger Firefox ou Google Chrome pour utiliser le site. Votre ordinateur vous remerciera !