Experimental Analysis of Mastery Learning Criteria

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F17%3A00097866" target="_blank" >RIV/00216224:14330/17:00097866 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1145/3079628.3079667" target="_blank" >http://dx.doi.org/10.1145/3079628.3079667</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3079628.3079667" target="_blank" >10.1145/3079628.3079667</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Experimental Analysis of Mastery Learning Criteria

Popis výsledku v původním jazyce

A common personalization approach in educational systems is mastery learning. A key step in this approach is a criterion that determines whether a learner has achieved mastery. We thoroughly analyze several mastery criteria for the basic case of a single well-specified knowledge component. For the analysis we use experiments with both simulated and real data. The results show that the choice of data sources used for mastery decision and setting of thresholds are more important than the choice of a learner modeling technique. We argue that a simple exponential moving average method is a suitable technique for mastery criterion and propose techniques for the choice of a mastery threshold.

Název v anglickém jazyce

Experimental Analysis of Mastery Learning Criteria

Popis výsledku anglicky

A common personalization approach in educational systems is mastery learning. A key step in this approach is a criterion that determines whether a learner has achieved mastery. We thoroughly analyze several mastery criteria for the basic case of a single well-specified knowledge component. For the analysis we use experiments with both simulated and real data. The results show that the choice of data sources used for mastery decision and setting of thresholds are more important than the choice of a learner modeling technique. We argue that a simple exponential moving average method is a suitable technique for mastery criterion and propose techniques for the choice of a mastery threshold.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 25th Conference on User Modeling, Adaptation and Personalization

ISBN

9781450346351

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

156-163

Název nakladatele

ACM

Místo vydání

New York, NY, USA

Místo konání akce

Bratislava, Slovakia

Datum konání akce

1. 1. 2017

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—