Bannière Faculté des sciences DIC
 
Description
Title : Deep Knowledge Tracing sur les données plancher/plafond
Tutor : Ange Adrienne TATO
Number : 32/19
Status : Closing date exceeded
Begin : Thursday, 10 October, 2019 à 10:30AM
Target group : Oui
Location : Local PK-5115, Pavillon Président-Kennedy (PK)
Bookable : 12

Ces problèmes sont fréquents dans le domaine de l'éducation où, par exemple, il existe des compétences qui sont très difficiles (plancher) ou très faciles à maîtriser (plafond). Il y aura moins de données sur les étudiants qui ont répondu correctement aux questions relatives aux connaissances difficiles ainsi que sur ceux ayant mal répondu aux questions relatives aux connaissances faciles à maîtriser. Dans ce cas, le DKT n'est pas en mesure de prédire correctement le comportement des apprenants sur les questions associées à ces compétences. Comme solution, nous proposons une pénalisation du modèle en utilisant la technique du "cost sensitive".  En d'autres termes, nous modifions la fonction de perte de façon à masquer certaines compétences pour forcer le modèle à prêter attention aux autres compétences. Nous avons testé notre solution sur une base données publique a avons obtenu des résultats prometteurs. De plus, pour surmonter le problème du faible volume de données, nous proposons également un modèle hybride combinant le DKT et les connaissances d'experts. Ainsi, le DKT est combiné avec un réseau bayésien (construit à partir d'experts du domaine) en utilisant le mécanisme d'attention. Le modèle qui en résulte permet de suivre avec précision les connaissances des étudiants du système tutoriel intelligent (STI) Logic-Muse, par rapport au BKT et au DKT originaux.