Séance de cours

Modélisation avancée des étudiants

Description

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.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.