Modélisation avancée des étudiants

Cette séance de cours couvre les techniques avancées de modélisation des étudiants telles que le suivi des connaissances bayésiennes (BKT), le modèle des facteurs additifs (AFM) et l'analyse des facteurs de performance (PFA). Il explore les inconvénients de BKT, l'intégration de BKT et Item Response Theory (IRT), et l'étalonnage des différentes techniques de modélisation des étudiants. La séance de cours explore également les réseaux neuronaux, les réseaux neuronaux entièrement connectés et les réseaux neuronaux récurrents, en mettant l'accent sur leurs applications dans la classification, la régression et l'analyse séquentielle des données. En outre, il traite des réseaux de mémoire à long terme (LSTM) et du Deep Knowledge Tracing, fournissant des informations sur la prévision des performances futures et la modélisation des connaissances des étudiants au fil du temps.