Student Models for Prior Knowledge Estimation
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F15%3A00084612" target="_blank" >RIV/00216224:14330/15:00084612 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Student Models for Prior Knowledge Estimation
Popis výsledku v původním jazyce
Intelligent behavior of adaptive educational systems is based on student models. Most research in student modeling focuses on student learning (acquisition of skills). We ocus on prior knowledge, which gets much less attention in modeling and yet can behighly varied and have important consequences for the use of educational systems. We describe several models for prior knowledge estimation ? the Elo rating system, its Bayesian extension, a hierarchical model, and a networked model (multivariate Elo). We evaluate their performance on data from application for learning geography, which is a typical case with highly varied prior knowledge. The result show that the basic Elo rating system provides good prediction accuracy. More complex models do improve predictions, but only slightly and their main purpose is in additional information about students and a domain.
Název v anglickém jazyce
Student Models for Prior Knowledge Estimation
Popis výsledku anglicky
Intelligent behavior of adaptive educational systems is based on student models. Most research in student modeling focuses on student learning (acquisition of skills). We ocus on prior knowledge, which gets much less attention in modeling and yet can behighly varied and have important consequences for the use of educational systems. We describe several models for prior knowledge estimation ? the Elo rating system, its Bayesian extension, a hierarchical model, and a networked model (multivariate Elo). We evaluate their performance on data from application for learning geography, which is a typical case with highly varied prior knowledge. The result show that the basic Elo rating system provides good prediction accuracy. More complex models do improve predictions, but only slightly and their main purpose is in additional information about students and a domain.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 8th International Conference on Educational Data Mining
ISBN
9788460694250
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
109-116
Název nakladatele
International Educational Data Mining Society
Místo vydání
Madrid
Místo konání akce
Madrid
Datum konání akce
1. 1. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—