Seguimiento del conocimiento bayesiano
El Rastreo Bayesiano de Conocimiento es un algoritmo usado en muchos sistemas de tutoría inteligentes para modelar el dominio de cada estudiante del conocimiento que se está enseñando.
Modela el conocimiento de los estudiantes en un Modelo Oculto de Markov como una variable latente, actualizada al observar la corrección de la interacción de cada estudiante en la que aplica la habilidad en cuestión. [1]
BKT asume que el conocimiento del estudiante se representa como un conjunto de variables binarias, una por habilidad, donde el alumno domina o no la habilidad. Las observaciones en BKT también son binarias: un estudiante obtiene un problema/paso bien o mal.Los sistemas de tutoría inteligentes a menudo usan BKT para el dominio del aprendizaje y la secuenciación de problemas. En su implementación más común, BKT solo tiene parámetros específicos de habilidad. [2]
Suponiendo que estos parámetros se establecen para todas las habilidades, se utilizan las siguientes fórmulas de la siguiente manera: La probabilidad inicial de que un estudiante domine la habilidad se establece en el parámetro p-init para esa ecuación de habilidad (a). Dependiendo de si el estudiante aprendió y aplica la habilidad correcta o incorrectamente, la probabilidad condicional se calcula usando la ecuación (b) para la aplicación correcta, o usando la ecuación (c) para la aplicación incorrecta. La probabilidad condicional se utiliza para actualizar la probabilidad de dominio de la habilidad calculada por la ecuación (d). Para averiguar la probabilidad de que el estudiante aplique correctamente la habilidad en una práctica futura se calcula con la ecuación (e).
