×

通过二元马尔可夫过程在知识空间理论中建模学习。 (英语) Zbl 1475.91269号

总结:双变量马尔可夫过程(BMP)由Y.以法莲B.L.标记[发现。趋势信号过程。6,第1期,1-95页(2012;Zbl 1404.94014号)]由连续时间内的一对随机过程组成,一个是可观测的,另一个是潜在的,它们共同构成马尔可夫过程。在本文中,网络教学系统用户的导航行为和学习过程被联合建模为BMP,并受到与基于能力的知识空间理论概念一致的假设的约束。这些约束表示为对基于网络的系统和学习过程性质的正式假设。假设观察到的过程是个人在智能辅导系统页面中的导航,而潜在的学习过程是能力结构中状态之间的转换。该方法在建模具有不同假设的学习场景时似乎相当通用和灵活。例如,BMP模型是针对一些示例性场景开发的。提出了基于期望最大化算法的最大似然参数估计方法。仿真研究结果表明,该估计算法能够很好地恢复参数值。将二元马尔可夫模型应用于学生导航智能教学系统Stat-Knowlab的实际数据的结果表明,所提出的方法可以对学生的学习过程提供有用的见解。

MSC公司:

91E40型 心理学中的记忆和学习
60年28日 连续时间Markov过程在离散状态空间中的应用
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[1] Anselmi,P。;Robusto,E。;Stefanutti,L.,通过限制收益-损失模型的错误概率来发现最佳技能多重映射,《心理测量学》,77,4,763-781(2012)·Zbl 1284.62680号
[2] Anselmi,P。;Robusto,E。;Stefanutti,L.,《在损益模型中识别最佳技能多重映射的程序》,《离散数学中的电子笔记》,42,9-16(2013)
[3] Anselmi,P。;Robusto,E。;斯特凡努蒂,L。;de Chiusole,D.,《知识适应性评估的升级程序》,《心理测量学》,81,2,461-482(2016)·Zbl 1345.62139号
[4] Anselmi,P。;斯特凡努蒂,L。;de Chiusole,D。;Robusto,E.,《能力空间中知识和学习的评估:依赖技能的收益损失模型》,《英国数学与统计心理学杂志》,70,457-479(2017)·Zbl 1383.62319号
[5] Buchholz,P。;Kriege,J。;Felko,I.,相位型分布和马尔可夫模型的输入建模:理论与应用(2014),施普林格:施普林格-海德堡·兹比尔1298.68012
[6] 奥兰·康兰。;霍克梅耶,C。;韦德,V。;Albert,D.,《元数据驱动方法促进个性化在线学习系统的适应性》,《教育信息与系统杂志》,138-44(2002)
[7] 科贝特,A.T。;Anderson,J.R.,《知识追踪:程序性知识获取建模》,《用户建模与用户自适应交互》,第4253-278页(1994年)
[8] Cosyn,E。;Uzun,H.B.,关于良好等级知识空间的两个必要和充分公理的注释,《数学心理学杂志》,53,1,40-42(2009)·Zbl 1176.91135号
[9] de Chiusole,D。;Anselmi,P。;斯特凡努蒂。;Robusto,E.,《盈亏模型:参数估计的偏差》,《离散数学中的电子学笔记》,42,33-40(2013)
[10] de Chiusole,D。;Stefanutti,L.,《概率能力结构中的技能依赖建模》,《离散数学电子笔记》,第42期,第41-48页(2013年)
[11] de Chiusole,D。;斯特凡努蒂,L。;Anselmi,P。;Robusto,E.,《评估BLIM中的参数不变性:双分割模型》,《心理测量学》,78710-724(2013)·Zbl 1288.62193号
[12] de Chiusole,D。;斯特凡努蒂,L。;Anselmi,P。;Robusto,E.,测试自动生成项目的实际等效性,行为研究方法,50,39-56(2018)
[13] de Chiusole,D。;斯特凡努蒂,L。;Anselmi,P。;Robusto,E.,统计知识实验室。《利用基于能力的知识空间理论评估和学习统计学》,《国际教育人工智能杂志》,30668-700(2020)
[14] Dempster,A。;莱尔德,N。;Rubin,D.,《通过EM算法从不完整数据中获取最大似然》,《皇家统计学会杂志》。B.系列方法,39,1-38(1977)·Zbl 0364.62022号
[15] Doignon,J.P.,《知识空间和技能分配》(Fischer,G.;Laming,D.,《对数学心理学、心理测量学和方法学的贡献》(1994),Springer-Verlag:Springer-Verlag纽约),111-121
[16] Doignon,J.P。;Falmagne,J.C.,《知识评估空间》,《国际人机研究杂志》,第23期,第175-196页(1985年)·Zbl 0581.68066号
[17] Doignon,J.P。;Falmagne,J.C.,《知识空间》(1999),施普林格出版社:施普林格纽约·兹比尔0908.92040
[18] 杜恩施,I。;Gediga,G.,《技能和知识结构》,《英国数学与统计心理学杂志》,48,1,9-27(1995)·Zbl 0833.92031号
[19] 以法莲,Y。;Mark,B.L.,二元马尔可夫过程及其估计,《信号处理的基础和趋势》,6,1,1-95(2012)·Zbl 1404.94014号
[20] 以法莲,Y。;Merhav,N.,隐马尔可夫过程,IEEE信息理论汇刊,48,6,1518-1569(2002)·Zbl 1061.94560号
[21] Falmagne,J.C。;Doble,C.W.,《概述》(Falmagne,J.C.;Albert,D.;Doble,C;Eppstein,D.;Hu,X.,《知识空间:教育中的应用》(2013),Springer-Verlag:Springer-Verlag New York),3-26·Zbl 1276.68015号
[22] 福尔曼涅,J.C。;Doignon,J.P.,《知识评估的一类随机程序》,《英国数学与统计心理学杂志》,41,1,1-23(1988)·Zbl 0719.92026号
[23] Falmagne,J.C。;Doignon,J.P.,《评估系统状态的马尔科夫程序》,《数学心理学杂志》,32,232-258(1988)·Zbl 0654.92020号
[24] Falmagne,J.C。;Doignon,J.P.,《学习空间:跨学科应用数学》(2011),施普林格-弗拉格:柏林施普林格、海德堡和纽约·Zbl 1205.91008号
[25] Falmagne,J.C。;科彭,M。;维拉诺,M。;Doignon,J.P。;Johanessen,L.,《知识空间导论:如何构建、测试和搜索》,《心理学评论》,第97、2、204-224页(1990年)
[26] 方,Y。;任,Z。;胡,X。;Graesser,A.,《ALEKS对学习效果的元分析》,教育心理学,39,10,1278-1292(2019)
[27] Gediga,G。;Düntsch,I.,《知识结构中的技能集分析》,《英国数学与统计心理学杂志》,55361-384(2002)
[28] 海勒,J。;Anselmi,P。;斯特凡努蒂,L。;Robusto,E.,独特技能评估的必要和充分条件,《数学心理学杂志》,79,23-28(2017)·Zbl 1396.91619号
[29] 海勒,J。;奥古斯丁,T。;霍克梅耶,C。;斯特凡努蒂。;Albert,D.,《基于能力的知识空间理论的最新发展》,(Falmagne,J.C.;Albert,D.;Doble,C.;Eppstein,D.;Hu,X.,《知识空间:教育应用》(2013),施普林格出版社:施普林格出版社,纽约),243-286
[30] 海勒,J。;Keenoy,K。;莱文,M。;Mat Hassan,M。;霍克梅耶,C。;Albert,D.,《轨迹的认知和教学方面:案例研究》(Kaleidoscope Deliverable D22.1.2)(2004年),摘自https://www.semanticscholar.org/paper/Cognitive-and-Pedagogical-Aspects-of-Trails网站
[31] 海勒,J。;莱文,M。;Keenoy,K。;艾伯特·D·。;Hockemeyer,C.,《轨迹的认知方面:将导航行为与学习者的认知状态联系起来的随机模型》(Schonenboom,J.;Levene,M.;Heller,J.;Keenoy,K.;Turcsanyi Szabo,M.,《教育中的轨迹:支持导航学习的技术》,Sense Publishers:Sense Publishers Rotterdam),119-146年
[32] 海勒,J。;Repitsch,C.,《在随机知识评估中利用先验信息》,《方法论》,8,1,12-22(2012)
[33] 海勒,J。;斯特凡努蒂,L。;Anselmi,P。;Robusto,E.,《认知诊断模型与知识空间理论之间的联系》,《心理测量学》,80,4,995-1019(2015)·Zbl 1329.62461号
[34] 海勒,J。;斯特凡努蒂,L。;Anselmi,P。;Robusto,E.,Erratum to:《认知诊断模型与知识空间理论之间的联系》,《心理测量学》,81,1,250-251(2016)·Zbl 1342.62185号
[35] 海勒,J。;斯坦纳,C。;霍克梅耶,C。;Albert,D.,《个性化学习的基于能力的知识结构》,《国际电子学习杂志》,第5期,第1期,第75-88页(2006年)
[36] 海勒,J。;尤恩吕,A。;Albert,D.,《技能、能力和知识结构》(Falmagne,J.C.;Albert(D.);Doble,C.;Eppstein,D.;Hu,X.,《知识空间:教育中的应用》(2013),Springer-Verlag:Springer-Verlag New York),229-242·Zbl 1276.68015号
[37] Hockemeyer,C.,《知识适应性评估中非确定性程序的比较》,《Beiträge心理学》,44495-503(2002)
[38] 霍克梅耶,C。;持有,T。;Albert,D.,RATH-一个基于知识空间理论的关系自适应辅导超文本WWW环境,(Alvegård,C.,科学和工程中的计算机辅助学习和教学。第四届国际会议CALISCE’98(1998)论文集,查尔默斯理工大学:查尔默斯理工大学哥德堡,瑞典),267-281
[39] Korossy,K.,Modellierung von Wissen als Kompetenz und performance公司。Eine erweiterung der Wissensstruktur-theorie von Doignon und Falmagne[将知识建模为能力和绩效。Doignon和Falmagene对知识结构理论的扩展](1993),海德堡大学:海德堡学院,(未发表博士论文)
[40] Korossy,K.,《扩展知识空间理论:一种竞争-绩效方法》,Zeitschrift für Psychologie,205,53-82(1997)
[41] Korossy,K.,《将知识建模为能力和绩效》(Albert,D.;Lukas,J.,《知识空间:理论、实证研究、应用》(1999),劳伦斯·埃尔鲍姆协会:劳伦斯·埃尔鲍姆协会新泽西州马哈瓦),103-132
[42] Larget,B.,聚合马尔可夫过程的规范表示,应用概率杂志,35,2,313-324(1998)·Zbl 0931.60064号
[43] Ortobelli Lozza,S。;Angelleli,E。;Bianchi,A.,二元马尔可夫过程的金融应用,工程数学问题,2011,1-15(2011)·Zbl 1235.91158号
[44] Robusto,E。;斯特凡努蒂,L。;Anselmi,P.,收益损失模型:用于评估学习过程的概率技能多映射模型,教育测量杂志,47,3,373-394(2010)
[45] Ryden,T.,关于连续时间聚集马尔可夫链、马尔可夫调制泊松过程和相型分布的可识别性和顺序,应用概率杂志,33,3,640-653(1996)·Zbl 0865.60064号
[46] 舒特,V。;Zapata-Rivera,D.,《自适应技术》(ETS研究报告RR-07-05第SPANN-96.1号)(2007年),教育测试服务:新泽西州普林斯顿教育测试服务
[47] Siegler,R.S.,《儿童学习》,美国心理学家,60,8,769-778(2005)
[48] 斯特凡努蒂,L。;Anselmi,P。;Robusto,E.,用收益-损失模型评估学习过程,行为研究方法,43,66-76(2011)
[49] 斯特凡努蒂,L。;de Chiusole,D.,《基于能力的知识空间理论中的学习评估》,《数学心理学杂志》,80,22-32(2017)·Zbl 1397.91541号
[50] Todorovic,P.,《随机过程及其应用简介》(2012),施普林格科学与商业媒体
[51] Van Loan,C.,涉及矩阵指数的计算积分,IEEE自动控制汇刊,23,3,395-404(1978)·Zbl 0387.65013号
[52] 王,G。;Tang,Y。;李,J。;Hu,X.,《ALEKS中学生学习行为建模:两层隐马尔可夫建模方法》(Rosé,C.Penstein;等,教育人工智能国际会议(2018),施普林格:英国施普林格伦敦),374-378
[53] Woolf,B.P.,《构建智能交互导师:变革电子学习的以学生为中心的战略》(2008),摩根考夫曼:摩根考夫曼·伯灵顿,马萨诸塞州
[54] 尤德尔森,M.V。;Koedinger,K.R。;Gordon,G.J.,《个性化贝叶斯知识追踪模型》(2013年国际教育人工智能会议),171-180
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。