Better Model, Worse Predictions: The Dangers in Student Model Comparisons

ČECHÁK, Jaroslav a Radek PELÁNEK. Better Model, Worse Predictions: The Dangers in Student Model Comparisons. In Roll, Ido and McNamara, Danielle and Sosnovsky, Sergey and Luckin, Rose and Dimitrova, Vania. International Conference on Artificial Intelligence in Education. Cham: Springer, 2021, s. 500-511. ISBN 978-3-030-78291-7. Dostupné z: https://dx.doi.org/10.1007/978-3-030-78292-4_40.

Základní údaje

Originální název

Better Model, Worse Predictions: The Dangers in Student Model Comparisons

Autoři

ČECHÁK, Jaroslav (203 Česká republika, domácí) a Radek PELÁNEK (203 Česká republika, domácí)

Vydání

Cham, International Conference on Artificial Intelligence in Education, od s. 500-511, 12 s. 2021

Nakladatel

Springer

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Švýcarsko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Impakt faktor

Impact factor: 0.402 v roce 2005

Kód RIV

RIV/00216224:14330/21:00121881

Organizační jednotka

Fakulta informatiky

ISBN

978-3-030-78291-7

ISSN

DOI

http://dx.doi.org/10.1007/978-3-030-78292-4_40

UT WoS

000885021300040

Klíčová slova anglicky

Additive factor model; Student modeling; Simulation; Model comparison

Štítky

core_A, firank_A

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

The additive factor model is a widely used tool for analyzing educational data, yet it is often used as an off-the-shelf solution without considering implementation details. A common practice is to compare multiple additive factor models, choose the one with the best predictive accuracy, and interpret the parameters of the model as evidence of student learning. In this work, we use simulated data to show that in certain situations, this approach can lead to misleading results. Specifically, we show how student skill distribution affects estimates of other model parameters.

---

Návaznosti

MUNI/A/1549/2020, interní kód MU	Název: Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity 21 (Akronym: SKOMU) Investor: Masarykova univerzita, Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity 21
MUNI/A/1573/2020, interní kód MU	Název: Aplikovaný výzkum: vyhledávání, analýza a vizualizace rozsáhlých dat, zpracování přirozeného jazyka, umělá inteligence pro analýzu biomedicínských obrazů. Investor: Masarykova univerzita, Aplikovaný výzkum: vyhledávání, analýza a vizualizace rozsáhlých dat, zpracování přirozeného jazyka, umělá inteligence pro analýzu biomedicínských obrazů.