Evaluer les apprentissages : comparaison de deux techniques de diagnostic de connaissance

Résumé : L'item Response Theory (IRT) et le Bayesian Knowledge Tracing (BKT) sont deux modèles d'évaluation de la maîtrise d'une connaissance par un apprenant. Ces deux modèles sont généralement comparés sur la précision de la prédiction d'une bonne réponse d'un apprenant à une question. Nous montrons dans cet article que ces deux modèles s'adressent à des situations distinctes pour lesquelles chacun d'eux peut être utilisé, et nous émettons l'hypothèse que cette hiérarchisation par la précision évolue en fonction de la quantité de réponses de l'apprenant. Mots-clés. Théorie de la Réponse à l'Item, Bayesian Knowledge Tracing, Système Tuteur Intelligent, comparaison de modèles, modèle prédictif, modèle explicatif. Abstract. Item Response Theory (IRT) and Bayesian Knowledge Tracing (BKT) are two evaluation models of the mastery degree of a concept by a learner. In general, these two models are compared based on the prediction prevision of the correct answer of a learner to a question. We show in this article that these models tackle different situations for which each of them can be used, and we hypothesize that this hierarchy by the precision tends to evolve according to the amount of questions the learner answered to.
Complete list of metadatas

Cited literature [12 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02263803
Contributor : Marie Sacksick <>
Submitted on : Monday, August 12, 2019 - 5:41:14 PM
Last modification on : Wednesday, August 14, 2019 - 1:22:32 AM

File

ActesEIAH2019_V4.0-pages-89-94...
Publisher files allowed on an open archive

Identifiers

  • HAL Id : hal-02263803, version 1

Citation

Marie Sacksick. Evaluer les apprentissages : comparaison de deux techniques de diagnostic de connaissance. EIAH 2019, Jun 2019, Paris, France. ⟨hal-02263803⟩

Share

Metrics

Record views

15

Files downloads

8