Experimental Analysis of Mastery Learning Criteria
Identifikátory výsledku
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>
Alternativní jazyky
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.
Klasifikace
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)
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2017
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 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
—