Incorporamenti Probabilistici Consentono un Tracciamento della Conoscenza Spiegabile

Il quadro recentemente introdotto noto come Probabilistic Logical Knowledge Tracing (PLKT) mira a migliorare l'interpretabilità del tracciamento della conoscenza sostituendo gli incorporamenti vettoriali deterministici con incorporamenti probabilistici basati sulla distribuzione Beta. Il tracciamento della conoscenza valuta gli stati di conoscenza degli studenti in base alle interazioni di apprendimento per prevedere le prestazioni future. Sebbene i modelli di deep learning abbiano aumentato l'accuratezza, essi dipendono da transizioni di stato latenti poco chiare. PLKT ridefinisce la previsione come un processo di ragionamento condizionato da obiettivi che utilizza comportamenti storici, incorporando operazioni logiche esplicite come la congiunzione per una maggiore trasparenza. Questo metodo affronta le sfide di interpretabilità affrontate dagli attuali modelli di tracciamento della conoscenza.