EFFENBERGER, Tomáš, Radek PELÁNEK a Jaroslav ČECHÁK. Exploration of the Robustness and Generalizability of the Additive Factors Model. In Proceedings of the 10th International Conference on Learning Analytics and Knowledge. New York, NY, USA: Association for Computing Machinery, 2020. s. 472-479. ISBN 978-1-4503-7712-6. doi:10.1145/3375462.3375491.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Exploration of the Robustness and Generalizability of the Additive Factors Model
Autoři EFFENBERGER, Tomáš (203 Česká republika, garant, domácí), Radek PELÁNEK (203 Česká republika, domácí) a Jaroslav ČECHÁK (203 Česká republika, domácí).
Vydání New York, NY, USA, Proceedings of the 10th International Conference on Learning Analytics and Knowledge, od s. 472-479, 8 s. 2020.
Nakladatel Association for Computing Machinery
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Spojené státy
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
WWW URL
Kód RIV RIV/00216224:14330/20:00115226
Organizační jednotka Fakulta informatiky
ISBN 978-1-4503-7712-6
Doi http://dx.doi.org/10.1145/3375462.3375491
UT WoS 000558753800059
Klíčová slova anglicky student modeling; learning curves; knowledge components; introductory programming
Štítky firank_B
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: doc. Mgr. Radek Pelánek, Ph.D., učo 4297. Změněno: 10. 9. 2021 07:56.
Anotace
Additive Factors Model is a widely used student model, which is primarily used for refining knowledge component models (Q-matrices). We explore the robustness and generalizability of the model. We explicitly formulate simplifying assumptions that the model makes and we discuss methods for visualizing learning curves based on the model. We also report on an application of the model to data from a learning system for introductory programming; these experiments illustrate possibly misleading interpretation of model results due to differences in item difficulty. Overall, our results show that greater care has to be taken in the application of the model and in the interpretation of results obtained with the model.
Návaznosti
MUNI/A/1050/2019, interní kód MUNázev: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace IX (Akronym: SV-FI MAV IX)
Investor: Masarykova univerzita, Grantová agentura MU, DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
VytisknoutZobrazeno: 26. 1. 2022 13:26