Počet záznamů: 1
Student Skill Models in Adaptive Testing
- 1.
SYSNO ASEP 0468589 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Student Skill Models in Adaptive Testing Tvůrce(i) Plajner, Martin (UTIA-B)
Vomlel, Jiří (UTIA-B) RID, ORCIDCelkový počet autorů 2 Zdroj.dok. Proceedings of the Eighth International Conference on Probabilistic Graphical Models. - Brookline : Microtome Publishing, 2016 / Antonucci A. ; Corani G. ; Polpo de Campos C. Rozsah stran s. 403-414 Poč.str. 12 s. Forma vydání Online - E Akce International Conference on Probabilistic Graphical Models 2016 /8./ Datum konání 06.09.2016 - 09.09.2016 Místo konání Lugano Země CH - Švýcarsko Typ akce WRD Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova Bayesian networks ; computerized adaptive testing ; item response theory ; generalised linear models Vědní obor RIV JD - Využití počítačů, robotika a její aplikace CEP GA16-12010S GA ČR - Grantová agentura ČR Institucionální podpora UTIA-B - RVO:67985556 Anotace This paper provides a common framework, a generic model, for Computerized Adaptive Testing (CAT) for different model types. We present question selection methods for CAT for this generic model. We use three different types of models, Item Response Theory, Bayesian Networks, and Neural Networks, that instantiate the generic model. We illustrate the usefulness of a special model condition – the monotonicity – and discuss its inclusion in these model types. With Bayesian networks we use specific type of learning using generalized linear models to ensure the monotonicity. We conducted simulated CAT tests on empirical data. Behavior of individual models was assessed based on these tests. The best performing model was the BN model constructed by a domain expert; its parameters were learned from data under the monotonicity condition. Pracoviště Ústav teorie informace a automatizace Kontakt Markéta Votavová, votavova@utia.cas.cz, Tel.: 266 052 201. Rok sběru 2017
Počet záznamů: 1