Structure Discovery: Apprentissage automatique pour les données comportementales

Cette séance de cours couvre les concepts de Bayesian Knowledge Tracing (BKT), modèles linéaires généralisés, théorie de la réponse aux éléments et analyse des facteurs de performance. Il se penche sur le modèle des facteurs additifs (AFM) et le modèle deffets mixtes linéaire généralisé, expliquant comment ils sont utilisés dans lexploration de données éducatives. L'instructeur discute de l'importance de retracer les connaissances des élèves et d'évaluer les modèles d'élèves à l'aide de mesures telles que RMSE et AUC. La séance de cours explore également les algorithmes de clustering tels que le clustering K-Means et le clustering spectral, en mettant l'accent sur le processus de sélection du nombre optimal de clusters. Des exemples pratiques et des méthodes de découverte de structures dans les données comportementales sont présentés, y compris l'initialisation des centres de clusters et l'algorithme de clustering spectral.