《表1 贝叶斯知识跟踪 (BKT) 的四个参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《教育数据挖掘中的学习者建模研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

贝叶斯知识跟踪（Bayesian Knowledge Tracing，BKT）模型假设每项知识（或技能）有四个参数:初始概率、习得概率、猜对概率、疏忽概率（如表1所示）。初始概率p（L0）是学生在与学习系统产生交互之前“已掌握”该技能的概率；p（T）是学生在每次学习机会（或问题）之后，从“未掌握”状态转移到“已掌握”状态的概率；p（G）是学生在“未掌握”状态下猜对相关问题答案的概率；p（S）是学生在“已掌握”状态下答错问题答案的概率。前两个参数与知识掌握相关，而后两个参数则与答题表现相关。BKT是一个相当简单和受限的隐马尔科夫模型:其隐式节点代表知识点掌握情况，只有“0”和“1”两种状态，分别代表“未掌握”和“已掌握”；其显式节点代表学生完成练习的情况，也是“0”和“1”两种状态，分别代表“错误”和“正确”。