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

Marie Sacksick (1, 2)

1 CHART - Cognitions Humaine et ARTificielle
2 Universidad de Córdoba = University of Córdoba [Córdoba]

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.

Mots clés: Item Response Theory; Bayesian Knowledge Tracing; explicative model; predictive model; model comparison; Intelligent Tutoring System

Domaines: Machine Learning [stat.ML]; Education

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