Structure Discovery: Retracer les connaissances des élèves

Cette séance de cours couvre les hypothèses derrière Bayesian Knowledge Tracing (BKT) et présente le modèle des facteurs additifs (AFM) et lanalyse des facteurs de performance (PFA) pour le suivi des connaissances des étudiants. Il se penche également sur les modèles deffets mixtes linéaires généralisés, la théorie de la réponse aux éléments, et lévaluation des modèles détudiants en utilisant RMSE et AUC. La séance de cours explore en outre les algorithmes de clustering tels que K-Means, Spectral Clustering et Hierarchical Agglomerative Clustering, en discutant de leurs hypothèses, de leur initialisation et de la sélection du nombre optimal de clusters.