| Identifikační kód | RIV/00216224:14330/15:00084612 |
|---|
| Název v anglickém jazyce | Student Models for Prior Knowledge Estimation |
|---|
| Druh | D - Článek ve sborníku |
|---|
| Jazyk | eng - angličtina |
|---|
| Obor - skupina | I - Informatika |
|---|
| Obor | IN - Informatika |
|---|
| Rok uplatnění | 2015 |
|---|
| Kód důvěrnosti údajů | S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
|---|
| Počet výskytů výsledku | 1 |
|---|
| Počet tvůrců celkem | 3 |
|---|
| Počet domácích tvůrců | 3 |
|---|
| Výčet všech uvedených jednotlivých tvůrců | Jiří Řihák (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 2572575)
Radek Pelánek (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 4686128)
Juraj Nižnan (státní příslušnost: SK - Slovenská republika, domácí tvůrce: A, vedidk: 9541985) |
|---|
| Popis výsledku v anglickém 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. |
|---|
| Klíčová slova oddělená středníkem | geography fact; prior student knowledge; adaptive practice; student modeling |
|---|
| Stránka www, na které se nachází výsledek | - |
|---|